优化分割的手绘图像彩色化技术

图像彩色化技术是计算机图形学与数字图像处理中重要的研究课题,目前该技术主要基于笔触交互方式完成,所以精确的着色区域分割是提高彩色化质量的关键.手绘黑白图像往往有复杂的线条、纹理和不封闭的轮廓,对分割造成了很大的困难.为解决这一问题,提出一种交互式彩色化方法.首先运用一个高质量、高效率的边缘保持滤波和拉普拉斯算子来解决灰度不连续的问题,强化区域边界信息,并计算灰度能量;然后利用标色信息计算标色能量,克服用户不精确标色的问题;最后将灰度能量和标色能量构建成一个能量函数,利用Graph Cut技术检测最优分割.该方法不受内部纹理、边界缺口和不精确标色的影响,可以更准确地划分着色区域.实验结果表明,由于获得的分割信息更准确,文中方法对于多种手绘图像能够取得更好的着色效果.     

一种利用回归神经网络黑白图像着色算法研究

研究了利用神经网络对序列黑白(灰度)图像进行着色的问题。针对以往基于人工或者半自动化技术的黑白图像着色技术效率低下、视觉效果较差的缺陷,提出了一种利用三层神经网络、无须人工干预的图像自动着色算法。首先将灰度图像分割成小块,通过对小块提取灰度特征、空间特征等作为神经网络的输入,训练得到一个回归神经网络。在着色过程中,可以利用该神经网络将图像中各像素由灰度空间投影到一个经过压缩的色彩空间,从而实现了图像的自动着色过程。实验结果显示本方法能有效地将灰度图像着色,并且由于使用了一个压缩的色彩空间,使得计算效率和着色效果都得到了有效的提高,能很好地逼近原始的真实图像。     

基于颜色融合的交互式图像二次着色方法*

针对灰度图像彩色化技术应用于彩色图像二次着色时往往忽略掉原始图像所带的色彩信息的问题,提出了一种基于最短距离颜色融合的交互式彩色图像二次着色方法,通过有效利用原始图像中的色彩信息降低用户交互复杂度。计算过程中采用分层采样与随机采样相结合的策略,确保种子像素合理分布,在颜色融合过程中增加动态权值调整,减少笔画位置对着色结果的影响。实验结果说明该方法与现有颜色扩展着色方法相比较,其结果不再过度依赖于初始用户标记的位置,不需要用户进行复杂的彩色线条标记就能够得到不错的着色效果。     

一种基于轮廓提取与纹理分析的图像着色方法*

从分析卡通、漫画图像的构图方法入手提出一种基于颜色扩展的图像着色方法,通过提取图像轮廓边界形成着色方向场指导上色过程,利用Gabor小波实现对图像中非相邻纹理区域的分析与匹配.实验结果说明该方法通过简洁的色彩关系和明暗层次突出了卡通、漫画图像适度简化和夸张的艺术特点,不相邻区域纹理匹配有效简化了细节部分添加色彩标记的用户交互复杂度.     

基于内容的图像染色方法

利用彩色图像对灰度图像进行染色时,色源图像质量的优劣是染色成功的关键.为此,提出基于纹理和颜色特征的图像染色方法.提取图像视觉内容特征中的纹理和色彩作为索引,计算色源图像与灰度图像的纹理相似度.搜索内容与灰度图像相近的色源图像,以提高染色的成功率.提取色源图像的颜色特征进行像素采样,以增强染色效果.实验结果表明,该方法的染色成功率较高,染色效果较好.     

基于小波多尺度聚类水平集的医学图像分割

针对医学图像低对比度、灰度不均匀等特点,提出了一种小波多尺度聚类水平集的图像分割方法,能够很好地解决医学图像灰度不均匀的问题。首先,利用小波多尺度分析的良好信噪分离能力提取各尺度下图像的有效边缘信息,将边缘信息添加到水平集模型的能量函数中从而提高模型的局部控制能力。然后,基于灰度不均匀的图像模型,派生出对于感兴趣区域的局部灰度聚类,在每个点的邻域内定义基于灰度的局部聚类准则函数。将局部聚类准则函数转化为全局准则函数。在水平集框架中,该准则根据水平集函数定义了代表图像域划分的能量项和引起图像强度不均匀的偏置域。最后,从小波变换的顶层低频子带图像开始逐层采用改进的聚类水平集方法分割图像,并将分割结果通过插值方式传递至下一层作为分割的初始轮廓,最终实现灰度不均匀医学图像的分割。实验结果表明,该方法能够有效地分割医学图像,具有计算更加鲁棒稳定、效率更高和更加准确的优点。     

基于加权相似性度量的特征匹配方法

针对图像特征匹配过程中采集图像易受噪声、光照、尺度等因素影响使产生的匹配结果鲁棒性差、误匹配率高等问题,提出一种基于加权相似性度量（WSM）的特征匹配方法。该方法首先采用基于网格多密度聚类的特征匹配（FM_GMC）算法对原始图像进行特征聚类块划分;其次在每一特征聚类块中,采用Canny提取边缘特征点并使用尺度不变特征变换（SIFT） 进行描述;然后采用加权的方式对特征聚类块之间的空间上下文信息间的Hausdorff距离、图像特征点外观描述子间的欧氏距离以及图像特征点的局部几何灰度信息的归一化互相关度量（NCC）进行相似性度量;最后依据最近邻距离比值（NNDR）对相似性度量结果进一步优化,从而确定特征匹配结果。以古建筑图像为数据集的实验结果表明WSM方法的平均匹配精确率达到92%,在匹配数量和精确率上优于常用的特征匹配方法,验证了该方法的有效性和鲁棒性。     

组合利用灰度和几何特性的图像分割算法

文章提出了一个图像区域分割算法。首先利用图像全局灰度分布特性聚类实现初始分割,然后进行区域标记和合并。新的合并方法建立在分析区域之间的几何和灰度关系的基础上,克服了现有的区域合并方法的局限性。算法应用于一些合成图像、自然景物和遥感图像,实验结果是令人满意的。     

基于有偏场的光栅图像模糊聚类分割算法*

针对有偏场环境下带有光栅的散焦图像分割问题,提出了一种新的基于有偏场估计的模糊聚类分割算法。通过建立依赖于有偏场的模糊聚类目标函数,导出了基于灰度以及邻域灰度均值的聚类中心、模糊聚类函数以及有偏场估计的迭代算法;并在该算法生成的初始分割基础上,利用膨胀算子对分类结果进行细化。该方法较好地处理了传统模糊聚类对有偏场下光栅图像分割精度下降的问题。实验结果表明,基于有偏场的模糊聚类算法能有效分割光栅图像,其分割精度优于传统模糊聚类和阈值法。     

基于高斯混合模型的区域颜色迁移

针对具有多种颜色区域图像以及灰度图像的颜色迁移合成问题，提出了一种基于高斯混合模型的区域颜色迁移算法，以用于将一幅源图像的颜色迁移到一幅目标图像中。该算法首先在lαβ颜色空间中，采用高斯混合模型对源图像的颜色样本空间进行聚类拟合来得到具有源图像颜色信息的参考色彩模型；然后利用该参考色彩模型对目标图像的颜色样本集进行分类决策，以确定目标图像与源图像各区域的色彩匹配关系；最后，提出了一组新的基于区域的颜色迁移公式，用于完成对目标图像的颜色迁移。实验结果表明，该算法不仅能实现两幅彩色图像之间的颜色迁移．而且能实现对灰度图像的上色处理，并均取得了较好的迁移效果。     

基于最优聚类数和直方图匹配的图像彩色化方法

针对颜色转移彩色化算法中速度慢、效果不佳及人工干预性强等问题,提出了一种新型的彩色化算法。该算法首先解决了图像聚类中聚类数的选取问题,然后利用聚类算法分别对目标图像和源图像进行聚类分割,之后用直方图匹配算法使各目标图像块自动找到匹配的源图像块,将源图像块的颜色转移到目标图像块中,实现局部图像彩色化,最后合并各结果图像。实验结果表明,该算法比以前算法在彩色化的速度和质量上有较大改进,且自动化程度高。     

局部自适应的灰度图像彩色化

目的 现有的灰度图像彩色化方法为了保证彩色化结果在颜色空间上的一致性,往往采用全局优化的算法,使得图像边界区域易产生过渡平滑现象。为此提出一种局部自适应的灰度图像彩色化方法,在迁移过程中考虑局部邻域像素信息,同时自动调节邻域像素权重,在颜色正确迁移的同时保证清晰的边界信息。方法 首先结合SVM（support vector machine）和ISLIC（improved simple linear iterative clustering）算法获取彩色图像和灰度图像分类结果图;然后在分类基础上,确定灰度图像高置信度像素点,并根据图像纹理特征,在彩色图像中寻找灰度图像的像素匹配点;最后利用自适应权重均值滤波实现高置信度匹配像素点的颜色迁移,并利用迁移结果对低置信度像素点进行颜色扩散,以完成灰度图像彩色化。结果 实验结果显示,本文方法获得的彩色化迁移结果评分均高于3.5分,特别是局部放大区域评价结果均接近或高于4.0分,高于其他现有彩色化方法评价分数。表明本文方法不仅能够保证颜色迁移的准确性和颜色空间的一致性,同时也能获取颜色区分度高的边界细节信息。与现有的典型灰度图像彩色化方法相比,彩色化结果图在颜色迁移的正确性和抑制边界区域颜色的过渡平滑上都有更优的表现。结论 本文算法为灰度图像彩色化过程中抑制颜色越界问题提供了新的指导方法,能有效地应用于遥感、黑白图像/视频处理、医学图像着色等领域。     

Affective Image Colorization

Colorization of gray-scale images has attracted many attentions for a long time.An important role of image color is the conveyer of emotions(through color themes).The colorization with an undesired color theme is less useful,even it is semantically correct.However this has been rarely considered.Automatic colorization respecting both the semantics and the emotions is undoubtedly a challenge.In this paper,we propose a complete system for affective image colorization.We only need the user to assist object segmentation along with text labels and an affective word.First,the text labels along with other object characters are jointly used to filter the internet images to give each object a set of semantically correct reference images.Second,we select a set of color themes according to the affective word based on art theories.With these themes,a generic algorithm is used to select the best reference for each object,balancing various requirements.Finally,we propose a hybrid texture synthesis approach for colorization.To the best of our knowledge,it is the first system which is able to efficiently colorize a gray-scale image semantically by an emotionally controllable fashion.Our experiments show the effectiveness of our system,especially the benefit compared with the previous Markov random field(MRF) based method.     

基于条件可逆网络的生成式图像隐写算法

近年来,随着生成模型的广泛使用,生成式隐写领域得到了快速发展。生成式隐写是在图像合成过程中隐藏信息的技术。它无需真实图像参与,只需秘密消息驱动生成模型即可合成载密图像。然而,现有方法无法控制生成的图像内容,因此不能保证隐蔽通信行为的安全性。针对上述问题,本文提出了基于条件可逆网络(Conditional Invertible Neural Network,cINN)的生成式图像隐写术steg-Cinn。在本文中,我们将信息隐藏建模为图像着色问题,并将秘密信息嵌入到灰度图像的颜色信息中。首先,我们使用映射模块将二进制秘密信息转换为服从标准正态分布的隐变量。而后,我们以灰度图像作为先验来指导着色过程,使用条件可逆网络来将隐变量映射为颜色信息。其中steg-Cinn生成的彩色图像匹配灰度图像的语义内容,从而保证了隐蔽通信的行为安全。对比实验结果表明,本文方法能够控制生成的图像内容并且使得合成颜色真实自然,在视觉隐蔽性方面表现良好。在统计安全性方面,本文方法的隐写分析检测正确率为56.28%,说明它能够抵御隐写分析检测。此外,本文方法在比特消息提取方面可以实现100%正确提取,这种情况下的隐藏容量是2.00 bpp。因此,与现有方法相比,本文方法在图像质量、统计安全性、比特提取正确率和隐藏容量方面取得了良好的综合性能表现。迄今为止,本文方法是在图像隐写术中首次使用cINN的工作。考虑到任何信息都可以转换为二进制形式,我们可以在图像中隐藏任意类型的数据,因此本文方法在现实世界里也具备实用价值。     

局部线性嵌入与模糊 C-均值聚类的红外图像彩色化算法

针对红外图像彩色化处理后清晰度低、色彩不够自然等问题,将改进后的局部线 性嵌入算法(LLE)算法引入到红外图像彩色化应用中,提出了一种 LLE 与模糊 C-均值聚类的红 外图像彩色化算法。首先通过扩大邻域范围和添加权重信息等方法改善了 LLE 算法敏感于稀疏 矩阵的缺陷,在红外和彩色模板像素矢量化空间中,利用最近邻搜索计算最佳匹配系数,经彩 色值计算将彩色模板中的颜色映射到红外图像特定区域,完成模板彩色与红外目标图像的颜色 传递。利用改进后的模糊 C-均值聚类对彩色化后的红外图像进行颜色聚类,在颜色聚类集上利 用直方图均衡化进行分段颜色均衡处理,最后将均衡化后的图像合成。将本算法与其他两种红 外彩色化算法进行仿真对比,实验结果表明,与其他两种算法相比,提出的红外图像彩色化算 法在仅仅利用目标红外图像和彩色模板下就能获得图像较为清晰、目标突出的彩色化结果。     

基于形态学滤波的相关跟踪算法研究

相关匹配算法是光电跟踪领域的经典算法之一。首先利用基于梯度调整的平均灰度法进行图像分割,得到二值化图像,其次对该图像利用数学形态学进行图像滤波,在此基础上设计出一种新的相关匹配算法进行电视红外图像跟踪,实验结果表明该方法具有很强的抗干扰性,可用于复杂背景下的目标跟踪,可用于实时图像处理中。     

基于色彩传递与扩展的图像着色算法

色彩的不均匀一直是色彩传递算法中没有解决的问题。一些传统的算法只是单独依靠像素点的匹配来进行色彩传递,难以保证处理后图像色彩在空间上的连续性,即某些像素点的色彩和它周围的色彩反差较大。针对此问题,提出了一种基于色彩传递与扩展的图像着色算法,先利用传统的色彩传递方法,在lαβ空间对灰度目标图像进行局部上色,然后再利用色彩扩展的算法,对其他未经过上色的区域进行色彩扩展,完成整幅灰度目标图像的自动彩色化过程。实验得到了色彩细腻均匀的结果图像,验证了算法的实用性。     

扩散张量加权梯度域图像彩色化方法

基于扩散张量的加权拉普拉斯核推广了图像彩色化的泊松解法,该彩色化过程是通过颜色在亮度值扩散张量加权的梯度场引导下自动传播完成的.首先在灰度图像上由用户手工地给定少量的颜色条带;然后计算每个像素的扩散张量,并利用这些扩散张量构造加权梯度场,从而导出基于散度的图像彩色化方程;最后求解方程,获得灰度图像着色结果.实验结果表明:该方法效果良好,比原泊松解法有显著改善.     

Motion estimation via cluster matching

A new method for estimating displacements in computer imagery through cluster matching is presented. Without reliance on any object model, the algorithm clusters two successive frames of an image sequence based on position and intensity. After clustering, displacement estimates are obtained by matching the cluster centers between the two frames using cluster features such as position, intensity, shape and average gray-scale difference. The performance of the algorithm was compared to that of a gradient method and a block matching method. The cluster matching approach showed the best performance over a broad range of motion, illumination change and object deformation