[发明专利]基于过度分割和局部与全局一致性的图像彩色化方法

说明书

技术领域

本发明涉及一种计算机图像处理技术，特别涉及一种基于过度分割和局部与全局一致性的图像彩色化方法。

背景技术

图像彩色化是利用计算机自动给灰度图像添加颜色的过程。彩色图像在现代信息交流与传递过程中起着重要的作用，一幅彩色图像所包含的信息量是相当丰富的，彩色化图像相对于灰度图像来说，更加突出了图像的细节信息便于人眼观察，例如为黑白电影添加颜色使其更具观赏性，为医学图像添加颜色使其更加醒目等，可广泛应用于广告设计，古画修复以及视频处理等领域，因此灰度图像的彩色化处理技术具有非常重要的意义。

色彩标记在局部颜色扩散法中占有重要的地位，包含了彩色化处理过程中所有的颜色信息，用户不但可以通过色彩标记对最终的染色效果进行控制，而且还可以得到同一幅图像多种色彩的效果。基于局部颜色扩散法的彩色化方法层出不穷，其中Levin等人在文章“Colorization using Optimization”中将彩色化问题看作一个全局优化的问题来处理，并提出相邻像素亮度值接近其色度值也接近这一假设，也成为众多彩色化方法的实现的基础。此外，也有研究者从其他角度实现图像的彩色化，其中包括K.-C.Ho等人在文章“Blending-weight diffusion for image colourisation”提出了基于优先级的颜色混合的彩色化方法。但对于结构复杂的图像来说，色彩标记的数量和位置在一定程度上会影响最终的彩色化效果，需要用户花费大量的精力和时间对灰度图像的每一块同质区域内手动涂上足够的色彩标记，这显然是繁琐的。如果用户只需要给出色彩标记的大致位置，然后进行少量的标记，就可大大的减少人工交互的复杂度。

图像分割是图像处理中的重要研究课题,它决定着最终的图像分析和图像理解的结果和质量。Teng Sheng-hua等人在文章“An Improved Colorization Algorithm for Gray-Scale Image Based on Over-Segmentation”中将形态学中分水岭过度分割的思想应用到图像彩色化方法中。

半监督学习作为机器学习领域中最为活跃的主流方法，可以综合的利用有限的标记样本和大量的未标记样本来提高学习性能。Tae Hoon Kim等人在文章“Edge-preserving colorization using data-driven Random Walks with Restart”中将机器学习中随机游走的思想应用于灰度图像的彩色化，实现了机器学习与图像处理有效的结合。

对于基于局部颜色扩散法来说，Levin的方法、Tae Hoon Kim的方法以及Teng Sheng-hua的方法对初始色彩标记的位置具有一定的依赖性，色彩标记的位置不够准确的话，可能会出现颜色误染等现象。

发明内容

本发明是针对图像彩色化现在所用上述方法存在的问题，提出了一种基于过度分割和局部与全局一致性的图像彩色化方法，。

本发明的技术方案为：一种基于过度分割和局部与全局一致性的图像彩色化方法，具体包括如下步骤：

1)对灰度图像进行色彩标记，即利用计算机画图软件对灰度图像进行初始色彩标记，利用一种基于图的分割算法对图像进行粗略的过度分割，在分割好的区域内标记少量的感兴趣的颜色，得到一幅粗略的色彩标记的图像；

2)将色彩标记图像从RGB颜色空间转换到YUV颜色空间，以得到分离的亮度分量Y和初始颜色分量U′、V′；

3)计算出分割区域内灰度直方图峰值所在的位置，将处于这些位置的像素的灰度值设置为255，即用白色的标记点在灰度图像上显示出来，得到一幅自动生成标记点的图像；

4)依据每个分割区域内标记的颜色，白色标记点所在位置的像素自动获取合适的颜色,得到一幅半自动色彩标记的图像,其中亮度分量为Y，颜色分量分别为U和V；

5)将基于图的半监督学习的正则化框架引入到颜色扩散模型中，构建一个基于局部与全局一致性学习的彩色化框架，即首先构建一个能够体现两像素间灰度关系以及空间位置关系的数据图，然后最小化基于局部与全局一致性学习的彩色化目标函数，将彩色化问题转化为一个优化问题，从而计算出其余未着色像素的颜色值，完成整幅图像的彩色化，得到最终的颜色分量

6)将最终得到的颜色分量和原始的Y亮度分量整合到一起并变换到RGB颜色空间，即得到最终的彩色化图像。

所述步骤5)具体步骤如下：