[发明专利]一种基于辅助变量的对抗生成网络的彩色图像灰度化方法

说明书

本发明提供了一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，包括以下步骤：步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化(GcsDecolor)算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；步骤B：设计基于辅助变量的对抗生成网络(AV‑GAN)，训练AV‑GAN网络；步骤C：将彩色图像通过已训练完成的AV‑GAN网络进行测试，得到最终的灰度化图像。本发明使彩色图像灰度化计算效率较高，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。

技术领域

本发明属于计算机视觉技术领域，尤其涉及彩色图像灰度化技术应用，具体为一种基于辅助变量的对抗生成网络的彩色图像灰度化方法。

背景技术

在数字媒体和科学技术迅速发展的今天，彩色图像技术早已得到广泛的应用，但灰度图像仍然以其数据量少和运算方便等特性活跃于各种方向。首先，灰度化处理具有经济上的优势，为了节省打印成本，很多课本、发表的论文、大部分报刊倾向于输出价格低廉对比鲜明的灰度图像；灰度化对于帮助色盲人群也具有重大的意义，色障患者通过不同情况需求，选取不同的平台，可以在一定程度上解决色障患者因无法区分色彩而带来的负面影响。其次，一些图像处理技术，对于灰度图像可以更简便地运算，例如，当前被大家广泛研究的热门领域如模式识别和机器视觉，都选择于预处理时快速地用数据量小的灰度图像表示彩色图像，这样不仅能够提高后续算法的处理速度，还能够大大提高算法综合应用实效。最后，灰度化处理在图像艺术化方面也有应用，如得到灰度图像的黑白摄影也继续得到一些摄影爱好者的追捧。因此，彩色图像灰度化的研究具有重要的意义和应用价值。

颜色到灰度转换目标是将3D矢量映射到1D标量，它本质上是一个降维过程，不幸的是到最后，它不可避免地会遭受信息损失。因此，许多脱色方法都有被提议从人类感知来解决这个问题的观点。用于传达颜色的传统方法灰度可以大致分为两类：局部调整方法和全局调整方法。在第一类中，像素的颜色到灰度的映射值通常在空间上变化，取决于当地颜色分布。例如，Bala和Eschbach提出了一种保留色彩边缘的方法通过添加色度的高频成分来实现到亮度通道。Neumann等人重建来自彩色图像渐变的灰度图像测量颜色和亮度对比度作为梯度彩色空间的对比。史密斯等人分解将图像分成几个频率成分并进行调整使用彩色通道的组合重量。虽然他们具有保留局部特征，恒定颜色的优点如果映射，区域可以不均匀地转换地区的变化。

全局算法主要分为基于变换的降维类和基于颜色差值(像素点颜色对比)的优化算法两种。对于变换的降维类的方法，以PCA变换降维为主要代表；对于像素点颜色对比的方法，这一类算法的思想是在构造从彩色图像到灰度图像的映射函数时，综合利用彩色图像像素点的亮度值信息和颜色对比信息，并尽量多的向灰度图像映射原彩色图像相邻区域的不同颜色对比信息，从而增加灰度图像的对比度。在构造好映射目标函数后，再构造一个和映射目标函数相对应的最优化方程，然后通过求解最优化方程得到最接近目标亮度值的灰度图像。由于映射函数是灵活多变的，可以根据不同的目的构造不同的映射函数，所以将彩色图像信息映射到灰度图像后，可能会出现原彩色图像中不同区域相同的颜色信息映射为相同的灰度值的情况，还可能会出现彩色图像中不同区域不同的颜色信息映射为同一灰度值的情况。其目的主要是区分彩色图像中具有不同颜色的相邻像素点之间的特征。最终的结果与彩色图像像素点的颜色和其邻域信息有关。