基于图像分割和色彩扩展的灰度图像彩色化方法

文章提出一种对灰度图像进行色彩传递的算法,首先利用Mean-shift方法对参考图像和目标图像进行分割,然后在空lαβ间利用灰度的统计信息,找到每个目标图像块相对应的参考图像块,分别进行局部色彩传递,得到一幅只有局部上色的彩色图像,最后通过色彩扩展算法,完成整幅灰度目标图像的自动彩色化过程,实验证明,该算法提高了色彩传递的准确性,且得到的彩色化目标图像色彩细腻均匀.     

基于多维特征向量及ANN技术的色彩传递算法

灰度图像色彩传递可以实现对灰度图像的自动上色处理。分析了目前色彩传递的经典算法——Welsh算法，指出了该算法存在的两大不足之处，提出了一种包含高频纹理信息的向量式像素点描述方式，并结合最近邻域搜索算法（ANN），提出了一种新的色彩传递算法,弥补了传统算法的不足，使灰度图像的彩色化效果有了较大改进。     

一种新的灰度图像色彩迁移算法

灰度图像色彩迁移是将一幅彩色图像的色彩信息传递给灰度图像,实现灰度图像的彩色化。在welsh算法的基础上,对welsh算法的权值公式及搜索策略进行了改进,提出了一种新的灰度图像色彩迁移的算法,在色彩迁移的效果上取得了一定的提高。效率上取得了显著的提升。     

基于直方图映射和分层的图像迁移算法研究

本文提出了一种基于直方图映射和分层迁移的灰度图像上色HisT算法.对于给定的颜色图像和需要迁移的灰度形状图像,先从RGB色彩空间转换到一个正交空间lαβ,消除空间各分量之间的强相关性.然后分别统计两幅图像的灰度直方图,对于灰度图像中的象素点,保留其灰度值,而利用颜色图像中与之对应或相邻灰度等级的颜色信息为灰度图像进行粗糙上色,得到一幅过渡图像.参照灰度直方图,将颜色图像和过渡图像进行分层处理,并利用统计学方法对图像各层和整体统计量进行分析,提取颜色图像的颜色信息和过渡图像的形状信息,最终实现颜色图像到灰度形状图像的上色过程.实验证明,该算法能快速准确地实现灰度图像的上色,具有广泛的应用前景.     

基于生成对抗网络的灰度照片上色方法

为了黑白和灰度老旧照片的上色效果,论文提出了一种改进后的生成对抗网络的图像上色方法。与传统的上色方法相比,使用机器学习的方法提取图像的色彩特征,避免了人工特征提取的时间成本,提高了图像上色的效率。加快了上色的速度。实验针对收集的图像数据集,通过对目标函数添加L1正则化约束条件提高图像上色的效果。在训练好的网络模型后,能够对黑白和灰度老旧照片自动上色。论文实验结果峰值信噪比为30.01,结构相似度为0.83,优于传统方法。     

多特征融合的医学影像颜色感知算法

针对现有的医学影像主要以灰度图像的形式呈现,特征单一,不能充分表达图像信息等问题,提出多特征融合的医学影像颜色感知算法.首先通过提取多个方向的梯度特征以及融合原始亮度特征保留图像更多信息,在相似区域选择代表点,建立像素点的层次结构减少计算量;然后对顶层像素点利用流形学习和自顶而下的插值方法计算所有像素点的低维坐标;最后将低维坐标投影到颜色空间得到相应的彩色医学图像.在正常MRI影像、正常的CT影像以及带有疾病的MRI影像上进行实验的结果表明,文中算法对医学灰度图像进行着色后具有丰富的色彩信息;相比传统的颜色迁移算法,该算法具有更高的清晰度和目标背景对比度指标.     

双选像素点的局部自适应ACE算法

针对自动色彩均衡(ACE)算法不能很好地保持图像原始色彩信息,并且算法复杂度高较难满足实时性应用的缺点,提出双选像素点的局部自适应ACE算法。将获得的图像变换到YCbCr色彩空间中,有利于保持图像的原始色彩信息,利用亮度图像的梯度信息与图像局部的均值方差信息进行双层像素点选择,降低算法的运算复杂度,采用局部自适应滤波调整ACE算法中的亮度控制函数,增强图像的局部对比度。实验结果表明,与传统的ACE算法相比,色彩恢复多尺度Retinex算法MSRCR的视觉效果更好,运行速度提高约150倍,计算复杂度得到了明显改进。     

基于感兴趣区域的色彩传递算法

针对传统色彩传递算法在实际应用中灵活度不高的问题,提出一种基于感兴趣区域ROI(Regions of Interest)的色彩传递算法。通过提取目标图像的感兴趣区域,将其与用户所选图像进行拼贴,得到新目标图像,并以此进行色彩传递,解决了色彩传递用户对图像色彩处理多样化、个性化需求的问题。同时,针对传统感兴趣区域提取方法容易受纹理噪声干扰、提取尺寸不易控制等问题,提出一种基于变异度的感兴趣区域提取新算法。实验结果表明,该算法效果良好。基于变异度的感兴趣区域提取算法可更准确获取图像的感兴趣区域。基于感兴趣区域的色彩传递算法可在不影响图像主体内容表达的情况下,使得色彩传递的效果更加生动多变,更具个性化,提高了色彩传递应用的灵活度。     

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。     

基于主动轮廓探索的多源色彩迁移

传统的多源色彩迁移算法常常利用欧氏色彩距离来分割目标图像,由于色彩序列的模糊性与不确定性,使得这种分割极易出现色彩扭曲现象. 针对这个问题,提出一种基于主动轮廓探索的多源色彩迁移算法. 首先,为将目标图像的主体与背景分离开,利用一种主动进化的方法生成虚拟轮廓线,并采用能量函数评价机制迫使虚拟轮廓线逐渐逼近实际轮廓线. 其次,合理利用源图像与目标图像在RGB、Gray和LMS等不同色彩空间的表示、分割、转换,实现其在lαβ空间的多源色彩迁移. 最后,将在lαβ空间迁移得到的目标图像逆向操作后恢复为RGB显示. 单源与多源色彩迁移的对比、灰度化色彩通道的选择以及各色彩空间不同色彩通道间的干涉性对比等实验验证了所提算法的合理性与有效性.     

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。     

Efficient image colorization based on seed pixel selection

Colorization is a technique to automatically produce color components for monochrome images and videos based on a few input colors. Generally, image colorization is initialized from a number of seed pixels whose colors are specified by users, and then the colors are gradually prorogating to the monochrome surroundings under a given optimization constraint. So, the performance of colorization is highly dependent on the selection of seed pixels. However, little attention has been paid to the selection of seed pixels, and how to improve the effectiveness of manual input remains a challenging task. To address this, an improved colorization method using seed pixel selection is proposed to assist the users in determining which pixels are highly required to be colorized for a high-quality colorized image. Specifically, the gray-scale image is first divided into non-overlapped blocks, and then, for each block, two pixels that approximate the average luminance of block are selected as the seeds. After the seed pixels are colored by users, an optimization that minimizes the difference between the seeds and their adjacent pixels is employed to propagate the colors to the other pixels. The experimental results demonstrate that, for a given amount of inputs, the proposed method can achieve a higher PSNR than the conventional colorization methods.     

基于遗传算法的图像彩色化方法

为解决传统的彩色化算法中效果不佳、速度慢等问题,提出一种基于遗传算法的图像彩色化方法。该方法先产生初始种群,将源图像块和目标图像块的亮度特征以及Tamura纹理特征构成适应度函数,初始种群经过选择、交叉和变异等操作逐代进化后,将源图像块的颜色转移到匹配的目标图像块中,得到最终的彩色化图像。实验结果表明,与其他彩色化方法相比,该方法能在缩短运行时间的同时,有效提高彩色化质量。     

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.     

基于变分法和偏微分方程的图像彩色化方法

针对传统的图像彩色化算法易产生的图像边缘颜色模糊等问题,提出一种基于变分法和偏微分方程的图像彩色化算法,结合整体变分(TV)模型和金兹堡一朗道(GL)模型的特点,通过求泛函极值建立偏微分方程,使图像的光滑区域和边界区域都能有效的实现颜色扩散,对偏微分方程进行数值求解得到彩色化结果.实验结果表明,与其它偏微分方程彩色化技术相比,该方法能得到清晰自然的彩色化图像和较高的图像质量.     

Manual/automatic colorization for three-dimensional geometric models utilizing laser reflectivity

While laser scanners can produce a high-precision 3D shape of a real object, appearance information of the object has to be captured by an image sensor, such as a digital camera. This paper proposes a novel and simple technique for colorizing 3D geometric models based on laser reflectivity. Laser scanners capture the range data of a target object from the sensors. Simultaneously, the power of the reflected laser is obtained as a by-product of the range data. The reflectance image, which is a collection of laser reflectance depicted as a grayscale image, contains rich appearance information about the target object. The proposed technique is an alternative to texture mapping, which has been widely used to realize photo-realistic 3D modeling but requires strict alignment between range data and texture images. The proposed technique first colorizes a reflectance image based on the similarity of color and reflectance images. Then the appearance information (color and texture information) is added to a 3D model by transferring the color in the colorized reflectance image to the corresponding range image. Some experiments and comparisons between texture mapping and the proposed technique demonstrate the validity of the proposed technique.     

基于颜色和边缘方向的图像检索方法

提出了一种新的图像特征表示方法,首先提取图像的底层颜色信息获取颜色特征值 ,通过对图像中物体的边缘检测计算像素点的边缘方向角度值,并对颜色特征值和边缘方向 角度值进行量化。然后根据相邻像素点之间量化结果的数值分析,为每个像素点建立8维特 征向量。再以中心像素点与相邻像素点间不同的位置关系为基础,为每种位置关系赋予不同 的权重,根据像素点的特征向量计算出图像中每一个像素点的特征值。最后统计图像中具有 相同特征值的像素点个数,形成特征直方图,以此作为图像检索的依据。实验表明本文方法 能够有效描述图像的颜色分布和图像中物体的空间结构,更加细致地记录图像信息,进一步 增强图像之间的区分能力。与其他方法相比,本文方法检索效果更好。     

人体脸部灰度图像上色的改进算法

采用分块多分辨率上色方法，首先对低分辨率灰度图像上色；然后再对高分辨率图像做颜色变换．基于亮度、邻域信息和空间相关性的相似性测度控制像素的上色．实验结果表明，该算法可以改进脸部图像的上色效果，且提高了上色速度．     

基于目标图领域点比较的色彩传递研究

目前,图像的色彩传递主要基于Lαβ颜色空间,利用邻域点匹配算法和高阶矩匹配算法,或者采用亮度分割匹配等方法,在源图和目标图之间进行色彩匹配传递。但是,这些算法匹配点数量多,速度慢。针对这个问题,文章在原有匹配方法的基础上提出了基于目标图相邻点匹配以及目标图邻域点匹配的改进方法,在保证传递效果的情况下,提高了色彩传递的速率,文章还讨论了色彩传递过程中存在的一些问题,给出了一些解决方案。     

基于空间特征的图像检索

提出一种新的基于空间特征的图像特征描述子SCH,利用基于颜色向量角和欧几里得距离的MCVAE算法共同检测原始彩色图像边缘,同时利用一种新的“最大最小分量颜色不变量模型”对原始图像量化,对边缘像素建立边缘相关矩阵;对非边缘像素使用颜色直方图描述局部颜色分布信息;然后,利用新的sin相似性度量法则衡量图像特征间的相似度。实验采用VC++6.0开发了基于内容的图像检索原型系统“SttImageRetrieval”,基于Oracle 9i数据库建立了一个综合型图像数据库“IMAGEDB”。实验分析结果证明,利用SCH描述子的检索准确度明显高于仅基于颜色统计特征的检索结果。