隨著信息多媒體時代的到來,互聯(lián)網(wǎng)技術(shù)、數(shù)字媒體技術(shù)得到迅速發(fā)展,而圖像、視頻作為信息傳播的重要載體,與人們的生活更是息息相關(guān)。相機、攝像機、手機、PC等多媒體設(shè)備的普及使得人們接觸到越來越多的視頻圖像資源,對可視媒體的處理需求也變得越來越強烈。顏色編輯處理技術(shù)作為計算機視覺領(lǐng)域的研究熱點之一,也越來越多地應(yīng)用到了影視后期、互動娛樂、動畫創(chuàng)造、遙感通信、醫(yī)學(xué)影像等各個領(lǐng)域。雖然越來越多的研究學(xué)者著手于顏色處理技術(shù)的研究,但是在數(shù)字圖像中仍然存在顏色不均勻、邊界顏色混合、著色效率低下、顏色溢出等問題。隨著深度學(xué)習(xí)的發(fā)展,深度神經(jīng)網(wǎng)絡(luò)（DNN）被廣泛地應(yīng)用于圖像語義分類、目標物體檢測、場景圖像語義分割等任務(wù)且取得了突破性成績,這是因為DNN的監(jiān)督式端到端逐層特征自學(xué)習(xí)方式和展示出的強大的特征表達能力。由于在傳統(tǒng)編輯傳播算法中存在的一些難以解決的問題,人們開始使用神經(jīng)網(wǎng)絡(luò)對圖像進行顏色編輯傳播。為了提高圖像顏色編輯的效率,提高顏色編輯的質(zhì)量,本文基于單幅圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò)進行圖像的顏色編輯,適用于具有各種復(fù)雜自然圖像,并獲得高質(zhì)量、高效率的顏色編輯結(jié)果。本文研究工作主要包括以下幾點:（1）利用歐... 

【文章來源】： 郭林 長沙理工大學(xué)

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１?ＲＧＢ顏色空間??

碩士學(xué)位論文??藍（０，?０，】?＞?靑（０，ＪＵ】＞??品紅??（１，０．?１）?；?（１．?１，?＾??Ｉ??Ｉ??Ｉ??Ｉ??Ｉ??：?黑??ｊ＿（＾ｑ，＿〇，＿〇）???，，?ｍ?（０．?１．?０）??ｉｒ?（ｌ，?ｏ．?〇）?黃（ｌ，?ｉ，?〇）??圖２．１?ＲＧＢ顏色空間??ＲＧＢ顏色空間最大的優(yōu)點就是直觀，容易理解，常用于視頻、多媒體與網(wǎng)頁設(shè)計等??方面，是人們生活中最常見的顏色空間模型。但是由于其３中基色Ｒ、Ｇ、Ｂ的值與色??彩的三屬性（亮度、色調(diào)、飽和度）沒有直接聯(lián)系，即ＲＧＢ顏色空間準確不能描述色??彩之間的關(guān)系和內(nèi)部屬性，所以在一些圖像顏色處理的應(yīng)用中，其就不再是適合的顏色??模型。??ＱＥ?Ｌａｂ顏色空間??ＣＩＥ?Ｌａｂ空間（Ｌａｂ）基于人對顏色感覺的數(shù)字化描述方式，由專門制定各方面光線??標準的組織Ｃｏｍｍｉｓｓｉｏｎ?Ｉｎｔｅｒｎａｔｉｏｎａｌｅ?ｄ＇Ｅｃｌａｉｒａｇｅ?（法）（簡稱Ｃ１Ｅ）創(chuàng)建的數(shù)種顏色空間??之一。Ｌａｂ顏色空間中，Ｌ分量表示像素的亮度值變化，取值范圍是［０，１００］，０表示純黑，??１００純白；ａ表示從紅色到綠色的范圍的顏色變化，取值范圍是［１２７，－１２８］；?ｂ表示從黃??色到藍色的范圍的顏色變化，取值范圍是［１２７，－１２８］。Ｌａｂ顏色空間的圖示如下；??｜■（亮度軸）??黑??圖２．?２?ＣＩＥ?Ｌａｂ顏色空間??ＣＩＥ?Ｌａｂ顏色空間是生活中不常用的顏色空間，它有非常寬廣色域，比人眼和計算??機的顯示、和打印機的顏色都要多。ＣＩＥ?Ｌａｂ顏色空間只是顏色的表示方式，而不是設(shè)??備生成顏色所需的特定基礎(chǔ)顏色的數(shù)量，所以Ｃ

第二章相關(guān)理論技術(shù)??＿＿＾＿?Ｉｒ．?（Ｓ２）特征圖?址打陽??■—輕里?（Ｓ４）特征圖?園雙??＇?＇?￣￣?￣￣一?＂?ｒｒ－—－—－?＿??＾?＾—Ｌ－?－１?ｈ??ｎｒｒｒｒ４￣ｊ＝＝????＾????［．＊：：■＇?ｊ?Ｉ?■－－－■－」??Ｈ??Ｉ?卷積層?Ｉ?采樣層?Ｉ?卷積層?Ｉ采樣層Ｉ?全連接層?Ｉ??圖２．?３卷積神經(jīng)網(wǎng)絡(luò)框架圖??卷積神經(jīng)網(wǎng)絡(luò)一般可以劃分為５部分，分別為輸入層、卷積層、池化層、全連接層??以及輸出層。??２．４．１卷積層??在圖像處理中，卷積是指使用卷積核對圖像中的每個像素進行一系列操作，卷積層??主要作用是提取圖像特征，輸出一個特征圖（Ｆｅａｔｕｒｅ?Ｍａｐ）。??在卷積操作時，需要將卷積核的中心放置在要計算的像素上，依次計算核中每個元??素和其覆蓋的圖像像素點值的乘積并求和，得到的結(jié)構(gòu)就是該位置的新像素值。然后使??用激活函數(shù)進行歸一化處理，最后輸出這個卷積層的特征圖，可以得出卷積過程公式如??下：??／?＼?（２－１５）??ｘ］＝ｆ??在公式（２．?１５）中，／ｅＭ＿；代表輸入特征圖的在丨像素點的值，火表Ｔｐｃ卷積核，６是偏??置向量，表示激活函數(shù)。??２．４．２池化層??池化層主要用于對輸入的特征圖進行壓縮，一方面能夠降低特征圖尺寸，以便減少??網(wǎng)絡(luò)參數(shù)數(shù)量，簡化網(wǎng)絡(luò)計算復(fù)雜度，提高網(wǎng)絡(luò)的運行速度；另一方面可以進行特征壓??縮，提取圖像的主要特征，降低過擬合。但有可能影響網(wǎng)絡(luò)的準確度，因此可以通過增??加特征圖的深度來彌補。??在池化層中特征圖維度通常是恒定的，即輸入與輸出的特征圖一一對應(yīng)，只有特征??圖尺寸大小會出發(fā)生

【參考文獻】：
期刊論文
[1]基于雙邊網(wǎng)格和置信顏色模型的快速圖像魯棒分割方法[J]. 桂彥,曾光,湯問.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2018(07)
[2]具有重復(fù)場景元素的復(fù)雜自然圖像顏色編輯[J]. 何豪杰,桂彥,李峰.  計算機科學(xué)與探索. 2017(11)
[3]層次化結(jié)構(gòu)信息的視頻重著色[J]. 李曉莉,郭丹,洪日昌.  小型微型計算機系統(tǒng). 2015(02)
[4]基于色彩傳遞與擴展的圖像著色算法[J]. 朱黎博,孫韶媛,谷小婧,夏如鏡,葉茂鍬.  中國圖象圖形學(xué)報. 2010(02)

博士論文
[1]基于顏色標記圖像著色的關(guān)鍵技術(shù)研究[D]. 張可為.中南大學(xué) 2014



本文編號：2999259