基于多字典的多内容灰度图像彩色化算法研究

发布时间：2020-10-31 17:58

　　 图像彩色化属于图像恢复领域的研究内容,长久以来都是图像处理领域的研究热点。彩色化技术是一种给年代久远的旧电影或影像上色的计算机处理技术。一方面,由于设备条件限制,老旧照片或影视大多数无颜色；另一方面,特殊的成像机制也会产生灰度图像。相比于灰度图像,彩色图像的细节更突出、内容更真实、视觉效果更符合观赏性。因此,彩色化技术具有重要的研究和应用价值。目前,彩色化技术在影视处理、动漫制作,医疗、太空探索等领域有着广泛的应用。图像彩色化主要分为两大类：基于人工笔触的颜色扩散方法和基于参考彩色图像的颜色传递方法。本文的研究重点是第二类方法,即基于参考彩色图像的颜色传递方法。随着压缩感知的发展,稀疏表示理论与字典学习理论再次被重视起来。随着相关学者的深入研究,逐渐形成了一套独立的理论体系,并成功应用于多个领域。本文在充分研究稀疏表示及字典学习理论、算法的基础上,重点研究了其在图像彩色化方向的应用。为解决传统基于单一字典的方法在图像彩色化中所存在的问题,本文提出了两个算法：基于分类字典与稀疏表示的图像彩色化算法和基于联合字典与稀疏表示的图像彩色化算法。本文的贡献主要在以下几个方面：(1)本文提出了基于分类字典与稀疏表示的图像彩色化算法：在分类字典的思想下,根据所提出的字典匹配决策准则,使目标灰度图像中的不同内容块采用不同的分类字典进行彩色化处理,实现了多内容目标灰度图像的彩色化。通过使用分类字典,本文很好地解决了传统基于单一字典的彩色化算法仅对内容及色调单一的目标灰度图像有效这一问题。(2)对于图像彩色化过程中字典匹配耗时的问题,本文对基于分类字典的图像彩色化算法核心部分做出了改进,并提出了基于联合字典与稀疏表示的图像彩色化算法,该算法在字典匹配过程中能够使目标局部图像块进行更为准确的字典匹配,进而提高了图像彩色化效果。字典学习作为一项极为耗时的任务,是本文所提出的两个算法中的重要环节。为了提高了彩色化效率,有效降低了算法成本,本文提出了“离线字典库”的概念,并将其应用于实际的彩色化过程中。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：TP391.41
【文章目录】：
致谢
摘要
ABSTRACT
1 引言
    1.1 图像彩色化的应用背景及研究意义
    1.2 图像彩色化的研究现状
        1.2.1 基于手工笔触的颜色扩散方法
        1.2.2 基于参考彩色图像的颜色传递方法
    1.3 存在的问题及挑战
    1.4 本文的研究工作
        1.4.1 研究思路
        1.4.2 研究贡献
        1.4.3 研究内容及论文结构
    1.5 本章小结
2 稀疏表示与字典学习理论
    2.1 稀疏表示理论
        2.1.1 稀疏表示模型
        2.1.2 稀疏度测量
    2.2 稀疏表示求解算法
        2.2.1 贪婪追踪算法
        2.2.2 凸优化算法
        2.2.3 算法比较
    2.3 稀疏表示在图像处理中的应用
    2.4 字典及字典学习理论
    2.5 K-SVD字典学习算法
    2.6 本章小结
3 基于分类字典与稀疏表示的多内容图像彩色化算法
    3.1 基于单一字典与稀疏表示的图像彩色化
        3.1.1 基于单一字典的图像彩色化算法简介
        3.1.2 存在的问题分析
    3.2 基于分类字典与稀疏表示的多内容灰度图像彩色化原理
        3.2.1 训练分类字典
        3.2.2 基于重建误差最小化的字典匹配及彩色化
    3.3 基于分类字典与稀疏表示的多内容灰度图像彩色化实现
        3.3.1 训练样本集的构造方法及分类字典的训练
        3.3.2 基于重建误差最小化的字典匹配及彩色化实现
    3.4 实验结果及分析
    3.5 本章小结
4 基于联合字典与稀疏表示的多内容图像彩色化算法
    4.1 基于联合字典与稀疏表示的多内容图像彩色化算法原理
        4.1.1 联合字典的定义
        4.1.2 基于联合字典的字典匹配及彩色化
    4.2 基于联合字典与稀疏表示的多内容图像彩色化算法实现
        4.2.1 联合字典的构造实现
        4.2.2 基于联合字典的字典匹配及彩色化实现
    4.3 实验结果及分析
    4.4 本章小结
5 结论
    5.1 本章小结
    5.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集

【相似文献】

相关期刊论文 前10条

1 陈封;;英国报纸彩色化[J];新闻战线;1990年10期

2 陈封;;英国报纸彩色化[J];新闻战线;1990年10期

3 滕升华;谌安军;邹谋炎;;一种基于拉普拉斯方程的图像彩色化方法[J];中国图象图形学报;2006年04期

4 李志永;滕升华;杜坤;邹谋炎;;基于不平度的快速图像彩色化方法[J];中国科学院研究生院学报;2008年02期

5 陈泽先 ,苏显渝;用于图象假彩色化的胶片散射效应经验公式[J];四川大学学报(自然科学版);1986年01期

6 ;英国报纸彩色化[J];新闻界;1991年02期

7 白云霄;日本办公室内部印刷彩色化的发展[J];印刷信息;1996年09期

8 张南;;黑白照片的翻新及彩色化[J];老友;2013年08期

9 李志永;滕升华;杜坤;邹谋炎;;基于不平度颜色混合的图像彩色化方法[J];电子与信息学报;2008年03期

10 陈颖;李神速;;基于遗传算法的图像彩色化方法[J];计算机工程;2011年15期

相关博士学位论文 前3条

1 滕升华;黑白影像的彩色化研究[D];中国科学院研究生院（电子学研究所）;2006年

2 李志永;黑白影像的彩色化研究[D];中国科学院研究生院（电子学研究所）;2007年

3 姚晨;彩色化和色彩转移图像处理关键技术研究[D];上海交通大学;2012年

相关硕士学位论文 前10条

1 聂桂芝;图像彩色化算法研究[D];温州大学;2015年

2 沈振一;基于车载红外辅助驾驶系统的图像彩色化与三维重建[D];东华大学;2016年

3 梁海;基于多字典的多内容灰度图像彩色化算法研究[D];北京交通大学;2016年

4 武江伟;基于色彩传递的夜视视频的彩色化研究[D];东华大学;2010年

5 代中华;车载红外视频彩色化算法研究[D];东华大学;2011年

6 蔡宇文;优化分割的手绘图像彩色化技术研究[D];上海交通大学;2013年

7 崔会卿;基于聚类和距离变换的数字图像彩色化技术[D];河北师范大学;2009年

8 王绘;基于颜色线索的图像彩色化研究[D];中南大学;2011年

9 谯帅;夜视视频序列的彩色化方法研究[D];东华大学;2012年

10 张欢;灰度图像彩色化的算法研究[D];西安电子科技大学;2011年

本文编号：2864305