基于生成对抗网络的图像彩色化算法

发布时间：2021-04-07 14:24

　　随着人工智能的不断发展,计算机技术与传统行业相互结合的趋势日益明显。近年来随着数字媒体技术的发展,许多黑白图像彩色化的方法被提出。过去人们进行图像彩色化的方法是基于颜色传递与扩展的,需要人工干预,且上色效果强差人意。因此应用深度学习的图像彩色化的研究,具有重要的意义和广阔的应用前景。近年来,生成对抗网络在图像生成,图像去噪,图像风格转换等领域均取得了不错的效果,充分证明了生成对抗网络在图像处理领域的潜力。因此本文采用生成对抗网络来进行图像自动着色的优化研究,主要内容如下。（1）通过大量公开数据集如Imagenet、CelebA等,经过图像灰度化预处理,得到成对的特征图,对网络进行训练。（2）针对现有的网络在高分辨率图像上对全局特征提取困难的问题,增加非局部块（Non-local Block）来提升全局特征提取效果。同时增加了两种损失函数,一方面用单向周期一致性损失来使得生成图的颜色与原始彩图的颜色尽可能接近,另一方面通过语义一致性损失使得生成图和原始彩图的语义尽量保持一致。（3）探究原图的潜空间颜色特征以及噪声信息对生成图效果的影响,提出了对应的变分自编码着色生成对抗网络架构,得到了具... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 背景及意义
    1.2 国内外研究进展
        1.2.1 传统图像着色技术研究现状
        1.2.2 深度学习领域研究现状
    1.3 本文主要工作
    1.4 论文组织架构
2 基于深度学习的图像彩色化算法概述
    2.1 引言
    2.2 基于深度学习的图像彩色化算法步骤
    2.3 深度神经网络介绍
    2.4 变分自编码器介绍
    2.5 生成对抗网络介绍
        2.5.1 生成对抗网络原理
        2.5.2 生成对抗网络的不足与改进
        2.5.3 生成对抗网络的应用
    2.6 本章小结
3 非局部着色生成对抗网络算法
    3.1 引言
    3.2 非局部着色生成对抗网络
        3.2.1 非局部模块
        3.2.2 单向周期一致性损失
        3.2.3 语义一致性损失
        3.2.4 总损失
        3.2.5 网络结构
    3.3 图像着色算法
4 变分自编码着色生成对抗网络算法
    4.1 引言
    4.2 网络整体架构
    4.3 自编码判别器模块
    4.4 生成器模块
    4.5 训练过程
5 实验与优化
    5.1 数据集
        5.1.1 Image Net
        5.1.2 CelebA
        5.1.3 Kaggle Cat vs Dog
    5.2 数据预处理
    5.3 训练优化
        5.3.1 渐进增长
        5.3.2 双时间尺度更新规则
    5.4 评价指标
        5.4.1 Inception Score
        5.4.2 Fréchet Inception
    5.5 实验结果
        5.5.1 NLC-GAN实验结果
        5.5.2 VAECo-GAN实验结果
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]基于色彩直方图匹配的颜色传递算法研究[J]. 陈小娥.  武夷学院学报. 2017(09)
[2]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang.  IEEE/CAA Journal of Automatica Sinica. 2016(02)
[3]基于颜色扩展的图像彩色化技术研究进展[J]. 滕升华.  信息技术. 2013(12)
[4]颜色空间在图像彩色化处理中的应用分析[J]. 滕升华,沈怡平.  计算机科学. 2009(10)
[5]灰度图像变换处理技术的研究及开发[J]. 王红梅,张伟,张西学.  科技创新导报. 2008(29)
[6]模糊颜色聚类在颜色传输中的应用[J]. 钱小燕,肖亮,吴慧中.  计算机辅助设计与图形学学报. 2006(09)
[7]数字图像处理技术及其应用[J]. 李红俊,韩冀皖.  计算机自动测量与控制. 2002(09)

博士论文
[1]图像着色关键技术分析及其应用[D]. 金舟.天津大学 2011

硕士论文
[1]基于生成对抗网络的图像翻译[D]. 候学东.南京邮电大学 2018
[2]基于深度学习的图像着色算法研究与实现[D]. 成梓锐.中北大学 2018



本文编号：3123658