تُقدّر تقنية تحليل الصور الطبيعية (Natural image matting) قيم الألفا للمناطق غير المعروفة في المُعطى (trimap). في الآونة الأخيرة، اعتمدت الطرق القائمة على التعلم العميق على نقل قيم الألفا من المناطق المعروفة إلى المناطق غير المعروفة وفقًا لتشابهها. ومع ذلك، نلاحظ أن أكثر من 50% من البكسلات في المناطق غير المعروفة لا يمكن ربطها ببكسلات في المناطق المعروفة، وذلك بسبب حدود حقول الاستقبال الفعالة الصغيرة الخاصة بالشبكات العصبية التلافيفية الشائعة، ما يؤدي إلى تقدير غير دقيق عندما لا يمكن استنتاج بكسلات المنطقة غير المعروفة باستخدام فقط البكسلات ضمن مجال الاستقبال. لحل هذه المشكلة، نقترح شبكة نقل السمات طويلة المدى (Long-Range Feature Propagating Network - LFPNet)، التي تتعلم سمات السياق طويلة المدى خارج مجال الاستقبال لتقدير لوحة الألفا. بشكل خاص، نصمم أولًا وحدة النقل التي تستخرج سمات السياق من الصورة المُخفّضة التفاصيل. ثم نقدّم تقنية التجميع الهرمي المركزي-المحاط (Center-Surround Pyramid Pooling - CSPP)، التي تنقل صراحة سمات السياق من منطقة الصورة المحيطة إلى منطقة الصورة المركزية. وأخيرًا، نستخدم وحدة التحليل التي تأخذ الصورة، المُعطى، وسمات السياق لتقدير لوحة الألفا. أظهرت النتائج التجريبية أن الطريقة المقترحة تتفوق على الطرق الرائدة في مجالها على مجموعتي بيانات AlphaMatting وAdobe Image Matting.