数字图像抠图技术是指把指定的前景从已有的自然图像中分离出来的一种技术，它作为图像、视频编辑的重要操作之一，用于从图像、视频等媒体文档中抠取出用户感兴趣的物体。从Smith提出蓝屏法抠图到今天，抠图技术一直受到研究者的青睐和IT业界的关注；此外，数字抠图技术一定程度上为计算机图形学提供了表示自然界物体的辅助手段，同时在计算机图形学和视觉领域有着很高的学术研究价值。　　目前已有的自然图像抠图技术主要可以分为以下三类：基于颜色采样、基于亲和度和基于采样亲和度相结合的三类方法。本文首先对目前的三类抠图算法分别进行了概述与分析，这些算法在一定程度上能够抠取高质量的图像/视频抠图，但仍然存在着一些需要深入研究的问题和亟待改进的地方，比如，基于采样的方法在处理有明显前景与背景的彩色分布图中很有效，但是当其假设出现错误的时候，将会出现大量的错误；而基于亲和度的方法对于不同的输入图像不会很敏感，同时可以产生很平滑的效果，但是它们对于粗糙的前景结构不能得到精确的效果；而通过结合这两种方法，可以得到一个更加精确的系统，最重要的是可以很好的权衡准确度以及稳定性。　　然后，本文提出一种基于人工免疫调节网络的抠图方法，人工免疫调节网络是一种基于独特性网络调节学说的免疫系统，且在函数优化问题上保持着一定的优势。人工免疫调节网络不仅保持颜色样本对的多样性与一致性，而且算法中的记忆细胞不仅能保存较好的颜色样本抗体，且在运行上与抗体是并行的，这些使得抠图算法的性能有一定的优越性。基于人工免疫调节网络的抠图方法通过结合图像的颜色样本与空间距离信息，并利用领域的相关信息来优化掩图结果，将抠图问题简化为：搜索前景背景区域最佳样本对(即Trimap图中未知区域像素点的权值函数最小化问题)，从而得到α掩图(alpha matte)的粗略估计本文提出的算法最大的突破点是：通过应用人工免疫调节网络来优化各像素点的颜色样本对权值函数的方法，从而得到估计的口掩图，与一般的抠图算法相比，该方法减少了抠图效果对用户输入信息的依赖性(对于细长头发丝区域以及毛发类的边界区域该算法得到的α掩图特别有效。最后用guided filter结合图像的领域信息对估计的α掩图进行平滑，通过实验与其他算法分析比较，本文的算法在性能上有一定的优势，且对用户输入的依赖性较少，这对复杂图像的抠图显得非常有意义。