图像抠像是图像编辑的基本操作者,对视频制作有重大影响。 本文探讨了基于采样的图像消光技术,旨在提高消光结果的准确性。 基于采样的图像消光技术的结果由选定的采样确定。 每个未确定的像素都需要前景和背景像素,以估计未确定的像素是否在图像的前景区域中。 这些前景像素和背景像素是从已知区域采样而来的,这些区域形成采样对。 高质量的样品对可以提高消光结果的准确性。 因此,如何为所有未确定的像素搜索最佳样本对是基于样本的图像抠像技术的关键优化问题,称为“样本优化问题”。 在本文中,为了提高搜索高质量样本对的效率,我们提出了一种协同协同进化微分进化(DE)算法来解决该优化问题。 将强相关像素分为一组,以协作搜索最佳样本对。 为了避免DE算法的过早收敛,采用分散策略来保持种群的多样性。 除了。 提出了一种简单而有效的评估函数来区分各种候选解决方案的质量。 比较现有的优化方法,原始的DE算法和流行的进化算法进行比较。 实验结果表明,提出的协同协同进化DE算法可以搜索更高质量的样本对,提高基于采样的图像抠像的准确性。