本书系统地介绍了自然图像抠图的起源、原理、模型、算法及其应用，为读者展现自然图像抠图领域的近期研究进展。全书共分9章，主要包括自然图像抠图的基本概念、评价函数与机制原理，典型自然图像抠图的算法设计与应用，自然图像抠图的研究前沿与展望。本书突出学科交叉，强调应用背景，取材新颖，覆盖面广，深入浅出，系统性强，力求使读者能较快掌握和应用自然图像抠图的方法与关键技术。
本书可作为人工智能、数据科学与大数据、多媒体技术、计算机科学与技术等相关领域科研工作者、工程技术人员、高等院校师生的参考书，也可作为高等院校模式识别、图像处理、智能算法等相关方向研究生的教科书。

第1章 绪论
1.1 图像抠图的背景与意义
1.2 图像抠图的数学模型
1.3 色键抠图到自然场景下的图像抠图
1.3.1 色键抠图
1.3.2 自然场景下的图像抠图
1.4 本书的体系结构
本章小结
第2章 自然图像抠图概述
2.1 自然图像抠图算法分类
2.1.1 基于传播的图像抠图算法
2.1.2 基于优化的图像抠图算法
2.1.3 基于深度学习的图像抠图算法
2.2 常用图像抠图数据集
2.3 图像抠图的评价指标
本章小结
第3章 自然图像抠图的像素对评价函数
3.1 前景背景像素对评价函数概述
3.2 模糊多准则前景背景评价函数
3.2.1 数学模型
3.2.2 实验设计与分析
3.3 自适应加权前景背景评价函数
3.3.1 数学模型
3.3.2 实验设计与分析
本章小结
第4章 基于代理模型的自然图像抠图算法
4.1 代理模型概述
4.2 基于高斯过程代理模型的自然图像抠图算法
4.2.1 高斯过程代理模型
4.2.2 基于高斯过程代理模型的像素对优化
4.2.3 实验设计与分析
4.3 基于多准则采样高斯过程代理模型的自然图像抠图算法
4.3.1 多准则的像素对集合
4.3.2 基于多准则采样的高斯过程代理模型
4.3.3 实验设计与分析
本章小结
第5章 基于微搜索优化的自然图像抠图算法
5.1 微搜索优化抠图概述
5.2 基于分组优化的自然图像抠图算法
5.2.1 分组优化策略
5.2.2 基于分组优化的图像抠图
5.2.3 实验设计与分析
5.3 基于群体协同优化的自然图像抠图算法
5.3.1 基于RGB聚类的多类协同优化策略
5.3.2 基于协同优化的图像抠图
5.3.3 实验设计与分析
5.4 基于分解优化的自然图像抠图算法
5.4.1 决策集分解策略
5.4.2 优化信息传递策略
5.4.3 基于微搜索的前景遮罩提取算法
5.4.4 实验设计与分析
本章小结
第6章 基于多目标优化的自然图像抠图算法
6.1 多目标优化抠图概述
6.2 基于多目标优化采样的自然抠图算法
6.2.1 像素级离散多目标采样策略
6.2.2 快速离散多目标优化算法
6.2.3 实验设计与分析
6.3 基于启发式优化的免采样自然抠图算法
6.3.1 前景背景像素对竞争重组算子
6.3.2 前景背景像素对重置算子
6.3.3 实验设计与分析
6.4 基于模糊评价与协同优化的免采样自然抠图算法
6.4.1 基于分解的多目标协同优化算法
6.4.2 实验设计与分析
本章小结
第7章 基于局部复杂性的自然图像抠图算法
7.1 局部复杂性差异抠图描述
7.2 基于局部复杂性差异的权重图生成算法
7.2.1 复杂性差异度量指标设计
7.2.2 权重图生成算法
7.2.3 局部复杂性差异抠图
7.2.4 实验设计与分析
7.3 基于局部复杂性的先验诱导信息对齐
7.3.1 动态高斯调制机制
7.3.2 模型架构与信息对齐策略
7.3.3 实验设计与分析
本章小结
第8章 自然图像抠图应用
8.1 基于抠图的行人分类算法
8.1.1 应用需求概述
8.1.2 基于全自动抠图增强的红外行人预处理算法
8.1.3 深度红外行人分类工具的结果与分析
8.2 基于抠图的证件照生成软件
8.2.1 应用需求概述
8.2.2 应用工具的设计与实现
8.2.3 证件照自动快速换底软件工具的应用结果与分析
本章小结
第9章 研究前沿与展望
9.1 关键技术
9.2 应用领域
本章小结
参考文献