[发明专利]一种基于卷积神经网络的灰度图像彩色化方法

说明书

本发明公开了一种基于卷积神经网络的灰度图像彩色化方法，建立卷积神经网络，将灰度图像转化为彩色图像；所述卷积神经网络的隐藏层包括多个连接层，每个连接层包括依次连接的卷积层、批量标准化层及组合型非线性激活函数层；所述组合型非线性激活函数层包括依次连接的非线性激活函数层、单通道卷积核层、批量标准化层及归一化层：所述组合型非线性激活函数层对卷积运算后的结果逐特征层进行非线性激活处理。本发明具有自动彩色化、适用场景大等优点，能够用较少的层数实现功能，彩色化的效果比传统的方法更好。

技术领域

本发明涉及一种灰度图像彩色化方法，特别涉及一种基于卷积神经网络的灰度图像彩色化方法。

背景技术

目前，灰度图像是只有一个灰度级的单通道图像。灰度图像在社会生活中的应用多种多样，除了我们最常见到的可见光可以成灰度图像，其他非可见光包括伽马射线、X射线、紫外光、红外光以及微波等成的像都是只有一个光强的单通道图像，这些灰度图像广泛应用到了医学诊断、工业检测、天文观测，军事侦查等多种领域。虽然灰度图像应用广泛，但相比于常见的彩色图像，灰度图像分辨率、对比度较低，边缘模糊，可视效果较差，信息难以识别，很难达到实际应用的要求，因此需要对其进行校正和增强等算法处理。由于人对色彩的辨识力是灰度的上百倍，因此可以通过图像彩色化方法使灰度图像中物体更容易辨认，同时可以增强查看图像时的视觉舒适度。

灰度图像彩色化意义重大，其本质是将只有一个灰度级的单通道图像映射到多通道彩色图像。根据研究显示，对于图像的灰度等级，人眼只能识别出十几种，但是对于彩色图像，人眼可以分辨出成千上万种色彩，由此可以看出，彩色的图像对于人眼的影响要远远大于灰度图像。除此之外，灰度图像还不利于算法对图像信息特征的提取，因此将灰度图像进行伪彩化处理后更有利于图像特征的提取与表达，进而充分发挥图像的价值。

1987年，冈萨雷斯等提出一种利用灰度分层和彩色编码技术进行伪彩色处理的方法，它是最简单的彩色化方法，可以自动将亮度值映射到彩色值，颜色映射的选择是由人为决定的。伪彩色编码的方法虽然增加了颜色和人眼的兴奋度，但并没有提供新的信息，处理后的色彩也显得不自然，并不能完全满足需要。后来虽然在此方法上进行了不断的改进，但是也没有解决伪彩色编码后图像不自然的问题。

利用对图像间三通道颜色值的均值和方差分布匹配，2001年Reinhard等提出一种彩色图像间的颜色迁移方法。输入包括参考图像和目标图像，根据Lαβ各颜色通道相互垂直、关联性小的特点，首先将RGB图像进行颜色空间变换，再求得两幅图片在各通道的均值和方差，使目标图像的颜色分布信息与参考图像相近似，最后由线性变换公式获得最终结果并转换回RGB空间。2003年，Welsh等在Reinhard算法的基础上，提出了一种通过颜色迁移进行灰度图像彩色化的方法。该方法利用图像的亮度和领域统计信息进行匹配，在图像转换到Lαβ颜色通道后，对目标图像的像素点或领域逐一进行纹理及亮度值的比较，将参考图像的颜色信息传递给目标图像的对应像素，而不改变目标图像的亮度值。但是如果目标图像没有源图像相应区域相近的亮度值，就会出现颜色传递错误，同时该方法在亮度值匹配过程中，需要与源图像像素逐一进行匹配，导致整个彩色化过程速度较慢。

Welsh提出的灰度图像彩色化方法是基于颜色迁移原理，需要借助额外的参考图像。2004年，Levin等人提出了一种局部优化扩展的彩色化算法，这种方法不需要借助额外参考图像。该方法假定相邻像素间灰度值相似则颜色相近，通过该假设可以将彩色化过程看作为优化问题。在人工进行标色后，将图像转换到YUV颜色空间进行扩展，使像素间色度加权和的平方差最小，结合灰度图像自身纹理和边缘等特征将局部的颜色扩展到整个画面。该方法具有较好的彩色化效果，但是需要一定的人工操作，对于尺寸较大的图像该方法的速度明显下降。

近几年来，随着大规模数据库的建立、计算机并行计算能力的提升以及算法的不断改进，深度学习技术尤其是卷积神经网络在图像处理、计算机视觉、自然语言处理等领域取得了突破性的进展。