[发明专利]基于权重学习的着色方法和装置

说明书

本发明公开了一种基于权重学习的着色方法，包括以下步骤：选取多幅灰度图像和相应彩色图像，分别计算灰色图像和相应彩色图像相邻像素间的特征差异，作为训练数据集；基于所述训练数据集，利用随机森林算法训练权重学习模型；在待着色的目标灰度图像上标记颜色；对目标灰度图像提取相邻像素间的特征差异，作为权重学习模型的输入，得到最优权重；根据颜色标记和所述最优权重进行色彩传递，获取目标灰度图像对应的彩色图像。本发明的着色方法，利用学习的方式获得权重，能够获得更优的像素间的相互关系，并取得较好的着色效果。

技术领域

本发明涉及一种计算机辅助的图像着色方法，尤其涉及到一种基于权重学习的图像着色方法。

背景技术

图像作为信息的载体是对人类视觉感知的真实反映，而色彩是人们理解图像很重要的信息，是图像的最重要的属性之一。人们经历了从黑白图像到彩色图像的过渡，但在早期，当时的摄影技术受限，只能生成黑白的照片和影像，因此为这些老照片和影像添上适当的颜色，使之更具有观赏性，成为一项非常重要的任务。

着色一词最早在1970由Wilson Markle提出，并被定义为一种借助计算机给黑白或者单色图像和视频染色的过程^[1]。着色技术的出现，能够还原、增强或改变图像的颜色，改善人们的视觉效果，使人们能够从图像中提取更加准确的信息，有利于人们深刻理解图像内容，从而提高图像的使用价值。

近年来，着色技术的发展迅速。而在早期，人们通过手工上色的方式给图像染上满意的颜色，这项任务往往需要专业人员来完成，而且过程非常耗时。随着数字图像处理技术的不断发展，人们希望借助计算机帮助处理这方面的需求，数字图像着色的课题也应运而生。

目前常用的着色方法大致可分为两类，基于颜色标记的着色方法和基于参照图像的着色方法。基于参照图像的着色方法不需要用户的交互，而是借助于参照图像实现颜色的迁移。基于颜色标记的方法需要用户在灰度图像上画上彩色标记，然后利用算法实现标记颜色位置到未知颜色区域的传递。这种方法的优点是人们可以根据需求对图像的不同部分进行标记，从而使染出的图像更加满足对颜色的需求。其中，Levin等人提出了一种利用邻域间像素的相似关系(权重)的优化算法。权重，在此类方法中表示相邻两个像素的相似关系，在颜色传递过程中用来指示有多大量的颜色向周边传递。权重值越大，表示两者之间相似性越大。很多方法基于此做了改进，有些方法中定义了不同的权重函数，但这些方法中用到的权重计算方法都是预先定义的，没有明确说明哪一种权重能够得到更好的结果。因此，如何对权重进行改进，以完善着色效果，是本领域技术人员目前需要迫切解决的技术问题。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于权重学习的着色方法，该方法主要包括以下两个关键部分：权重学习阶段和着色阶段，我们建立了从灰度图像到彩色图像的权重学习模型，并通过该模型学习到的权重对目标图像进行着色。本发明的着色方法，利用学习的方式获得权重，能够获得更优的像素间的相互关系，并取得较好的着色效果。

为实现上述目的，本发明采用如下技术方案：

一种基于权重学习的着色方法，包括以下步骤：

步骤1：选取多幅灰度图像和相应彩色图像，分别计算灰色图像和相应彩色图像相邻像素间的特征差异，作为训练数据集；

步骤2：基于所述训练数据集，利用随机森林算法训练权重学习模型；

步骤3：在待着色的目标灰度图像上标记颜色；

步骤4：对目标灰度图像提取相邻像素间的特征差异，作为权重学习模型的输入，得到最优权重；

步骤5：根据颜色标记和所述最优权重进行色彩传递，获取目标灰度图像对应的彩色图像。

进一步地，所述灰色图像相邻像素间的特征差异为：