[发明专利]基于卷积神经网络的黑白人物图片生成多种合理着色方法

说明书

本发明涉及一种基于卷积神经网络的黑白人物图片实时生成多种合理着色的方法，包括以下步骤：步骤S1：选择训练数据集；步骤S2：构建本地提示网络；步骤S3：构建全局提示网络；步骤S4：构建主着色网络；步骤S5：生成着色界面。本发明只需要添加几个控制点，便可以在较短时间内实现图像的多种颜色效果。

技术领域

本发明涉及图像处理技术领域，特别是一种基于卷积神经网络的黑白人物图片实时生成多种合理着色的方法。

背景技术

由于以前摄影技术不足，人们只能拍摄黑白人物照片以留作纪念。大约在三四十年前，彩色照片还十分罕见，人们主要用黑白照片来记录自己和亲人的容貌。在我们的生活中一些老照片很有纪念意义，特别是一些珍贵黑白人像照片有着不可估量的收藏价值。由于当时的彩色摄影技术还没有普及，一些馆藏专门请画师为黑白人物图片上彩色，但时间长了颜色容易淡化。后来随着科学技术的不断进步以及电脑的普及使得黑白照片的着色变得相对容易。但着色软件需要相应的学习技术，操作起来也比较麻烦。所以人们对于着色技术有了强烈的渴求。

在计算机图形学中，存在两种广泛的图像着色方法：用户引导的编辑传播和数据驱动的自动着色。第一种方法由Levin等人提出并普及,用户在图像上绘制彩色笔画，然后优化过程产生与用户的涂鸦相匹配的彩色图像。这样可以获得较好的结果，但通常需要繁琐的操作，因为每个不同颜色的图像区域必须由用户明确指出，选择精确的所需自然色度也是非常困难的。第二种是数据驱动着色方法。它是通过以下两种方式之一来对灰度照片进行着色：(1)通过将其与数据库中的示例性彩色人物图像进行匹配，并从该照片中非参数地“窃取”颜色，这一想法类似Image analogies图像类比；2)Learning Large-ScaleAutomatic Image Colorization.通过从大规模人物图像数据中学习从灰度到颜色的参数映射。但着色结果包含不正确的颜色。DeepProp:Extracting Deep Features from aSingle Image for Edit Propagation.采用深度学习方法，利用深度神经网络模型的技术，自动的从低级特征中提取用于人物的高级特征。该方法使用低级视觉片和空间像素坐标作为深度神经网络的输入，从单个图像自动提取适合用户指定笔画的特征。使用深度神经网络作为分类器，根据整个图像上的提取特征来估计用户笔画概率，这些概率表示每个像素属于每个笔画的可能性。虽然整个过程是自动的但着色结果较为单一。

综上，现有技术中，黑白人物图像着色通常使用一些绘图软件，但需要学习软件的操作步骤，使用起来也很繁琐。还有一些着色方法是使用深度网络技术，但着色效果差且着色结果单一。基于卷积神经网络的人物着色方法只需要用户将黑白图片添加到着色界面便可以实时生成着色结果，通过对图像添加控制点可以实现多种合理着色结果。一般情况下基于深度网络实现的黑白图像着色算法比较复杂，着色效果容易出现错误着色。基于绘图软件实现的黑白图像着色，操作起来比较繁琐，费时费力。

发明内容

有鉴于此，本发明的目的是提出一种基于卷积神经网络的黑白人物图片实时生成多种合理着色的方法，只需要添加几个控制点，便可以在较短时间内实现图像的多种颜色效果。

本发明采用以下方案实现：一种基于卷积神经网络的黑白人物图片实时生成多种合理着色的方法，具体包括以下步骤：

步骤S1：选择训练数据集；

步骤S2：构建本地提示网络；

步骤S3：构建全局提示网络；

步骤S4：构建主着色网络；

步骤S5：生成着色界面。

进一步地，步骤S1具体为：卷积神经网络的训练图像采用LFW数据集(LabeledFaces in the Wild)和ImageNet数据集，并使用CIE Lab颜色空间；其中，正样本全部来自LFW数据集中的人脸图片，负样本是从ImageNet数据集中选择的背景(例如树木，花朵，家具等图片)。