[发明专利]一种基于特征分类细节增强的多稀疏字典灰度图彩色化方法

说明书

本发明公开了一种基于特征分类细节增强的多稀疏字典灰度图彩色化方法，首先将特征分类和多稀疏字典相结合，建立彩色化处理模型，实现对灰度图像的彩色化；再次，针对分类不准确的问题，提出相应的局部约束算法，提高分类准确率，进一步提升彩色化效果；最后针对稀疏表示固有的细节丢失的问题，以拉普拉斯金字塔为基础，提出细节增强算法，在有效解决细节丢失的问题同时，提高了图像彩色化的速度。本发明取得了符合人的视觉习惯、自然感强的灰度图像彩色化效果，并且还可应用于其他领域，如灰度融合图像及红外图像的彩色化、彩色图像间的色彩传递等。

技术领域

本发明属于灰度图像彩色化处理技术领域，涉及一种基于特征分类细节增强的多稀疏字典灰度图彩色化方法。

背景技术

现阶段，基于稀疏表示的彩色化处理的非人工干预算法主要分为基于单一字典的彩色化处理与基于多字典的彩色化处理两种，其中，传统的基于单一字典的彩色化算法只能在色调单一的图像上取得较好的效果，对于色彩内容丰富的图像，会出现大量的误着色点。为解决此问题，Uruma K等提出了改进的稀疏优化算法，取得了比较好的结果，但彩色化效果依旧存在较多的误着色点；梁海等提出了基于分类字典与稀疏表示的彩色化算法，该算法由训练分类字典与基于重建误差最小化的字典匹配与彩色化两部分组成，在此基础上，梁海等进而提出了基于联合字典与稀疏表示的图像彩色化算法，这两种算法实现了多内容目标灰度图像的彩色化，并且改进算法效果较好，但是，这两种算法均没有解决通过稀疏字典进行彩色化带来的细节缺失、边缘模糊的问题，并且，对于色彩丰富的图像，依旧存在较多的误着色点。

因此，需要一种新的多稀疏字典灰度图彩色化方法以解决上述问题。

发明内容

针对现有技术的不足，本发明提供了一种基于特征分类细节增强的多稀疏字典灰度图彩色化方法。

为实现上述目的，本发明提供如下技术方案：

一种基于特征分类细节增强的多稀疏字典灰度图彩色化方法，包括以下步骤：

1)、根据相似参考图像块对目标灰度图像块进行分类，得到目标灰度图像块的分类结果；

2)、对步骤1)的分类结果进行优化处理，采用单一字典的彩色化算法对灰度图像进行彩色化处理；

3)、运用拉普拉斯金字塔对步骤2)的彩色化结果进行细节增强处理。

更进一步的，步骤1)中根据相似参考图像块对目标灰度图像块进行分类包括以下步骤：

一、选取与目标灰度图像相似的彩色图像作为参考图像，并对参考图像进行分块处理，计算每一个参考图像块的“亮度—特征”信息；

二、运用KSVD算法训练出各个参考图像对应的“亮度—特征—颜色”稀疏字典集，并利用libSVM分类器训练“亮度—特征”模型；

三、对目标灰度图像进行分块处理，计算目标灰度图像块的“亮度—特征”信息，并利用“亮度—特征”模型对目标灰度图像块进行分类，得到每个目标灰度图像块对应的分类结果。

更进一步的，步骤2)中对步骤1)的分类结果进行优化处理，包括以下步骤：

a、根据目标灰度图像块的分类结果，建立与灰度图像块一一对应的二维矩阵，并以分类结果作为二维矩阵的值；

b、根据局部区域图像的特征具有一致性的原则，以N×N的矩形框遍历二维矩阵的整个区域，并以矩形框里分类结果值最多的值作为矩形区域中心值，实现分类结果的优化。

提出基于局部约束的算法，提高了分类准确率，进一步提升彩色化效果。

更进一步的，步骤2)中采用单一字典的彩色化算法对灰度图像进行彩色化处理包括以下步骤：