抠图(Matting)技术是一种广泛应用于图像编辑，视频处理的数字图像处理技术，Matting的目标是把图像的前景部分从图像背景中分离出来，为视频制作、基于图像的建模、绘制等提供了原始素材。其技术也适用于基于对象的视频压缩等领域。目前广泛应用于电影工业中的Blue-Screen Matting技术[3]就是最为成功的应用之一，然而由于Blue-Screen Matting技术要求在固定颜色背景下成像，因而极大的限制了一般用户对Matting技术的使用。随着数字图像处理技术和计算机视觉技术的发展，一种面向一般用户的，适应性更加广泛的Matting技术被提出，这就是自然图像Matting技术，不同于Blue-Screen Matting技术，这种新的Matting技术不需要在固定颜色背景下成像，它可以在复杂的自然背景下进行处理，通过用户交互，指定图像中的少量部分前景和背景区域，并根据这些线索按照一定的判定逻辑自动、准确地分离出所有的前景物体。 在自然图像中，存在着大量前、背景边界模糊，或者前景半透明的情况，因而如何准确、便捷、快速地从图像中提取前景对象成为近年来图像处理的一个新的研究热点。 在自然图像Matting技术的发展过程中，一些有效的算法相继被提出，Bayesian matting技术就是其中最具代表性的一个。论文将围绕Bayesian matting技术展开，针对模糊边缘景象提取的问题进行研究，主要工作有： 1)论文首先回顾了Matting技术的历史发展过程，给出了Matting问题的形式化定义，并对现有的Matting技术进行分类和总结，同时对若干具有代表性的Matting技术的细节以及优缺点进行了较为详尽的介绍。 2)论文对原有的Bayesian matting技术进行了详细的分析，研究实现了原有Bayesian matting算法，并从实验和理论的角度指出了原有方法在Bayesian框架定义上的缺失和它在采样过程中存在的问题。 3)论文通过对原有算法缺陷的分析，提出了在原有Bayesian框架上的改进意见，同时为了改善原有算法的采样过程，论文引入了基于GrowCut的采样模型，对采样点进行优化。 4)论文针对原有算法在高分辨率图像上处理速度较慢的问题，提出了高分辨率图像的缩放处理模型。 5)通过实验结果对原有算法和改进算法进行比较，分析和说明改进算法的有效性。