人像抠图是当前图像处理方向的热点问题,在数字娱乐领域具有广泛的应用前景。人像抠图的核心在于从自然图像中获得人像的高精度边缘。现有人像抠图方法以trimap图(前景、背景、未知区域)作为先验信息,对前景人像和背景区域的分割过程进行约束,从而获得人像的高精度alpha掩模。但是现有方法的三值图需要人工标注,难以适用于大规模数据或者有时间限制的应用场景;而且人工标注存在主观性,当三值图标注不准确时前景人像和背景区域的分割精度也会下降,难以获得人像的alpha掩模。针对上述问题,本文采用深度学习分割网络和注意力模型实现trimap图的自动生成,提出了一种基于渐进分割网络的全自动人像抠图方法。该方法将trimap图看作是粗分割结果,最终alpha掩模看作是精分割结果,设计了一个trimap图的粗分割子网络加上alpha掩模的精分割子网络的端到端深度网络框架。具体来说,粗分割子网络把三值图的生成看作为语义分割的三分类任务,以残差网络Res Net50为基础网络框架,结合空间注意力模块增强粗分割子网络的特征提取能力;精分割子网络采用了编解码网络进行拟合预测alpha掩模,结合粗分割子网络的前景像素分类概率、未知区域分类概率对预测出的alpha掩模进行精细化处理,得到更为准确的alpha掩模。实验结果表明,与人工标注的trimap图相比,本文算法在保证三值图质量的同时,三值图生成速度大大提升,三值图的生成速度为13.5fps。与基于深度学习的Deep Image Matting方法相比,本文的算法抠图速度提升了0.78fps,抠图精确度SAE和MSE分别提升了2.136个点和1.797个点。本文的算法实现了人像抠图算法全过程的自动化,将三值图生成和抠图工作融合为一个整体任务,提高了抠图效率和精度,对于人像抠图技术的实用化具有重要意义。