近年來,隨著深度卷積神經網絡的出現,灰度圖像的彩色化重新成為研究的熱點,灰度圖像著色的目標是為灰度圖像的每一個像素分配顏色,且具有很高的研究和應用價值。傳統(tǒng)的圖像彩色化技術主要有兩種,分別是基于顏色傳遞的圖像著色方法和基于顏色擴展的圖像著色方法,這兩種方法需要人機交互,在處理圖像的過程中操作復雜而且難度較大,通用性不強,不能使用一種圖像著色算法來完成所有的著色任務,難以得到大規(guī)模的推廣。隨著計算機圖形圖像處理能力的提高,深度學習開始應用于多個領域,且能夠與數字圖像處理完美地結合,因此研究基于深度學習的黑白圖像著色算法具有重要的現實意義和實用價值,針對該方法目前存在的不足,在文中我們提出了兩種自動著色的算法。具體研究內容如下:(1)本文開篇介紹了兩種傳統(tǒng)著色算法,分別是基于局部顏色擴展的圖像彩色化算法和基于顏色傳遞的圖像彩色化算法。之后著重介紹了兩類傳統(tǒng)著色算法的發(fā)展史以及在應用中的優(yōu)缺點。(2)本文在分析了兩種主要的傳統(tǒng)著色算法弊端后,提出基于卷積神經網絡的圖像著色算法,并在此算法中應用了U-Net網絡。在該圖像著色算法中,應用SE-InceptionResNet-v2網絡提取圖像的高...

【文章頁數】：64 頁

【學位級別】：碩士

【部分圖文】：

圖4.1自注意力機制

GzpypdataLDGzy(4.7)為了更加清楚的表示自注意力機制的執(zhí)行過程，圖4.1對其進行了詳細直觀的描述，其中表示矩陣乘法，在每一行上執(zhí)行softmax操作。圖4.1自注意力機制

圖4.2GAN訓練過程

第四章基于生成對抗網絡的黑白照片著色GAN的訓練過程像著色是一種圖像到圖像的轉換問題，它將高維輸入映射到高維輸出，在我們利用L*a*b*顏色空間進行著色任務，這是因為顏色空間包專用通道，剩余的兩個通道中有著完整的編碼圖像和顏色信息。如圖4.具有低分辨率的圖像開始，然后向....

圖4.3鏡像訓練在生成網絡中，生成器負責生成圖像，輸入端輸入的是黑白圖片，輸出端輸出的是

圖4.3鏡像訓練在生成網絡中，生成器負責生成圖像，輸入端輸入的是黑白圖片，輸出端輸相對應的彩色圖像的顏色分量。網絡在CIEL*a*b*顏色空間將尺寸為128128拆分成一個1281283的三維矩陣。取圖像的亮度通道作為網絡的輸入，經過生之后，在輸出端得到的....

圖4.5風景照著色結果1def

本文編號：3969795