摘  要

 

在信息全球化时代，计算机已经成为人们获取和交换信息的重要工具，人们在数字图像处理领域不断探索，目前，数字图像处理在计算机应用技术中仍然处于重要地位，无论是医学，航空还是军事等多方面重要领域都被广泛应用，本文研究的图像彩色化属于数字图像处理领域其中的一种。根据目前灰度图像彩色化算法领域，可分为4种方法：基于彩色标记的彩色化方法，基于参考图像的灰度图像彩色化方法，基于映射关系的灰度图像彩色化方法，基于深度学习的灰度图像彩色化方法。在这4种方法中基于深度学习的彩色化算法是目前综合效果最佳的方法。目前彩色化算法中还存在着许多问题，本文目的是针对上色度不够鲜艳、自然和丰富，因此本文提出基于U-net卷积神经网络改进的灰度图像彩色化方法，以使上色结果更丰富。

 

关键词：灰度图像，彩色化，卷积神经网络，分类损失

目  录

 

第一章 绪论 1

1.1 引言 1

1.2 灰度图像彩色化算法的研究现状 1

1.3 本文的主要内容和结构安排 3

1.3.1 主要内容 3

第二章 灰度图像彩色化的相关知识概念 5

2.1 颜色空间与灰度图像 5

2.1.1 灰度图像 5

2.1.2 RGB颜色空间 5

2.1.3 Lab颜色空间 6

2.1.4 XYZ颜色空间 7

2.2 色彩空间的相互转化 7

2.3 卷积神经网络 7

2.3.1 卷积层 7

2.3.2 激活函数 8

2.3.3 池化层 9

2.3.4 全连接层 9

第三章 基于卷积神经网络的灰度图像彩色化算法 10

3.1 自监督网络模型的设计 10

3.1.1 u-net网络模型 10

3.1.2 自监督学习模式 11

3.1.3 改进的自监督U-net网络模型结构 11

3.2 损失函数的设计 13

第四章 实验及结果分析 15

4.1 实验内容 15

4.1.1 实验环境 15

4.1.2 实验数据集 15

4.2 上色结果分析 15

第五章 结论 18

参考文献 19

致  谢 20