自然画像マッティングは、トリマップにおける未知領域のアルファ値を推定する。近年、深層学習に基づく手法は、未知領域と既知領域間の類似性に基づいて、アルファ値を既知領域から未知領域へと伝搬するアプローチが主流となっている。しかし、本研究では、一般的な畳み込みニューラルネットワーク（CNN）の有効受容野が小さいという制約により、未知領域内の50％以上が既知領域のピクセルと相関を持たないことが明らかになった。このため、受容野内にあるピクセルのみに依存して推定を行う場合、推定精度が低下するという問題が生じる。この問題を解決するために、本稿では未知領域の受容野外の長距離文脈特徴を学習し、アルファマット推定に活用する「Long-Range Feature Propagating Network（LFPNet）」を提案する。具体的には、まずダウンサンプリングされた画像から文脈特徴を抽出する伝搬モジュールを設計した。次に、周囲の文脈画像パッチから中心の画像パッチへと文脈特徴を明示的に伝搬する「Center-Surround Pyramid Pooling（CSPP）」を提案した。最後に、画像、トリマップ、および文脈特徴を入力として受け取り、アルファマットを推定するマッティングモジュールを構築した。実験結果により、提案手法はAlphaMattingおよびAdobe Image Mattingデータセットにおいて、最先端の手法と比較しても優れた性能を示した。