基于深度学习的灰度图像彩色化算法研究

发布时间：2021-05-17 10:12

　　图像彩色化技术在素描图片上色、黑白照片彩色化以及动漫作品的色彩处理等多个方面都具有广阔的应用前景。但是传统的彩色化方法由于需要在灰度目标图像上人为标记彩色线条,或者挑选与目标图像相似的彩色参考图像,因此在图像处理的过程中必须人工进行干预。在目前需要进行彩色化的图像数据日益海量化、复杂化的背景下,需要人工干预的传统彩色化方法越来越具有局限性。所以本文借鉴了在大规模数据建模方面具有优异表现的深度学习技术,将其应用在图像彩色化技术上,重点研究灰度图像的自动彩色化算法。利用卷积神经网络强大的学习能力以及能够免费使用的大规模图像数据集,训练出泛化能力较强的着色模型,从而实现灰度图像着色的自动化。针对目前已提出的基于深度学习的彩色化算法普遍存在着色后图像颜色饱和度低、色彩不够丰富、甚至部分色彩不匹配的问题,本文深入分析了这些问题产生的原因。本质上,目前已提出的彩色化算法只是优化了预测结果和真实图片之间的欧氏距离,但是这种以欧氏距离为损失函数的做法,对于着色问题存在的固有歧义和多模态性并不具有鲁棒性。如果一个物体可以上若干种不同的颜色,那么该损失函数的最优解将会是这几种颜色的平均值,从而造成了那些直... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 论文的研究内容与安排
        1.3.1 论文的研究内容
        1.3.2 论文安排
第二章 图像彩色化算法基础理论知识
    2.1 颜色空间
        2.1.1 RGB颜色空间
        2.1.2 YUV颜色空间
        2.1.3 Lab颜色空间
    2.2 卷积神经网络(CNNs)
    2.3 残差神经网络(Res Net)
    2.4 生成式对抗网络(GANs)
    2.5 本章小结
第三章 基于卷积神经网络的灰度图像彩色化算法研究
    3.1 引言
    3.2 灰度图像彩色化方法研究
        3.2.1 基于颜色标记的图像彩色化方法分析
        3.2.2 基于颜色转移的图像彩色化方法分析
        3.2.3 基于神经网络的灰度图像彩色化方法分析
    3.3 基于卷积神经网络的灰度图像彩色化算法
        3.3.1 网络架构的设计
        3.3.2 目标函数的设计
    3.4 实验结果分析
    3.5 本章小结
第四章 基于条件DCGAN的人脸灰度图像彩色化算法研究
    4.1 引言
    4.2 基线模型
        4.2.1 U-Net架构
        4.2.2 U-Net网络的损失函数
    4.3 条件DCGAN
        4.3.1 条件DCGAN网络架构的设计
        4.3.2 条件DCGAN损失函数的设计
        4.3.3 网络训练优化措施
    4.4 实验结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]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)
[2]图像插值技术综述[J]. 符祥,郭宝龙.  计算机工程与设计. 2009(01)
[3]基于不平度的快速图像彩色化方法[J]. 李志永,滕升华,杜坤,邹谋炎.  中国科学院研究生院学报. 2008(02)



本文编号：3191583