發(fā)布時間：2020-10-31 17:58

　　 圖像彩色化屬于圖像恢復(fù)領(lǐng)域的研究內(nèi)容,長久以來都是圖像處理領(lǐng)域的研究熱點。彩色化技術(shù)是一種給年代久遠的舊電影或影像上色的計算機處理技術(shù)。一方面,由于設(shè)備條件限制,老舊照片或影視大多數(shù)無顏色；另一方面,特殊的成像機制也會產(chǎn)生灰度圖像。相比于灰度圖像,彩色圖像的細節(jié)更突出、內(nèi)容更真實、視覺效果更符合觀賞性。因此,彩色化技術(shù)具有重要的研究和應(yīng)用價值。目前,彩色化技術(shù)在影視處理、動漫制作,醫(yī)療、太空探索等領(lǐng)域有著廣泛的應(yīng)用。圖像彩色化主要分為兩大類：基于人工筆觸的顏色擴散方法和基于參考彩色圖像的顏色傳遞方法。本文的研究重點是第二類方法,即基于參考彩色圖像的顏色傳遞方法。隨著壓縮感知的發(fā)展,稀疏表示理論與字典學(xué)習(xí)理論再次被重視起來。隨著相關(guān)學(xué)者的深入研究,逐漸形成了一套獨立的理論體系,并成功應(yīng)用于多個領(lǐng)域。本文在充分研究稀疏表示及字典學(xué)習(xí)理論、算法的基礎(chǔ)上,重點研究了其在圖像彩色化方向的應(yīng)用。為解決傳統(tǒng)基于單一字典的方法在圖像彩色化中所存在的問題,本文提出了兩個算法：基于分類字典與稀疏表示的圖像彩色化算法和基于聯(lián)合字典與稀疏表示的圖像彩色化算法。本文的貢獻主要在以下幾個方面：(1)本文提出了基于分類字典與稀疏表示的圖像彩色化算法：在分類字典的思想下,根據(jù)所提出的字典匹配決策準則,使目標(biāo)灰度圖像中的不同內(nèi)容塊采用不同的分類字典進行彩色化處理,實現(xiàn)了多內(nèi)容目標(biāo)灰度圖像的彩色化。通過使用分類字典,本文很好地解決了傳統(tǒng)基于單一字典的彩色化算法僅對內(nèi)容及色調(diào)單一的目標(biāo)灰度圖像有效這一問題。(2)對于圖像彩色化過程中字典匹配耗時的問題,本文對基于分類字典的圖像彩色化算法核心部分做出了改進,并提出了基于聯(lián)合字典與稀疏表示的圖像彩色化算法,該算法在字典匹配過程中能夠使目標(biāo)局部圖像塊進行更為準確的字典匹配,進而提高了圖像彩色化效果。字典學(xué)習(xí)作為一項極為耗時的任務(wù),是本文所提出的兩個算法中的重要環(huán)節(jié)。為了提高了彩色化效率,有效降低了算法成本,本文提出了“離線字典庫”的概念,并將其應(yīng)用于實際的彩色化過程中。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2016
【中圖分類】：TP391.41
【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 圖像彩色化的應(yīng)用背景及研究意義
    1.2 圖像彩色化的研究現(xiàn)狀
        1.2.1 基于手工筆觸的顏色擴散方法
        1.2.2 基于參考彩色圖像的顏色傳遞方法
    1.3 存在的問題及挑戰(zhàn)
    1.4 本文的研究工作
        1.4.1 研究思路
        1.4.2 研究貢獻
        1.4.3 研究內(nèi)容及論文結(jié)構(gòu)
    1.5 本章小結(jié)
2 稀疏表示與字典學(xué)習(xí)理論
    2.1 稀疏表示理論
        2.1.1 稀疏表示模型
        2.1.2 稀疏度測量
    2.2 稀疏表示求解算法
        2.2.1 貪婪追蹤算法
        2.2.2 凸優(yōu)化算法
        2.2.3 算法比較
    2.3 稀疏表示在圖像處理中的應(yīng)用
    2.4 字典及字典學(xué)習(xí)理論
    2.5 K-SVD字典學(xué)習(xí)算法
    2.6 本章小結(jié)
3 基于分類字典與稀疏表示的多內(nèi)容圖像彩色化算法
    3.1 基于單一字典與稀疏表示的圖像彩色化
        3.1.1 基于單一字典的圖像彩色化算法簡介
        3.1.2 存在的問題分析
    3.2 基于分類字典與稀疏表示的多內(nèi)容灰度圖像彩色化原理
        3.2.1 訓(xùn)練分類字典
        3.2.2 基于重建誤差最小化的字典匹配及彩色化
    3.3 基于分類字典與稀疏表示的多內(nèi)容灰度圖像彩色化實現(xiàn)
        3.3.1 訓(xùn)練樣本集的構(gòu)造方法及分類字典的訓(xùn)練
        3.3.2 基于重建誤差最小化的字典匹配及彩色化實現(xiàn)
    3.4 實驗結(jié)果及分析
    3.5 本章小結(jié)
4 基于聯(lián)合字典與稀疏表示的多內(nèi)容圖像彩色化算法
    4.1 基于聯(lián)合字典與稀疏表示的多內(nèi)容圖像彩色化算法原理
        4.1.1 聯(lián)合字典的定義
        4.1.2 基于聯(lián)合字典的字典匹配及彩色化
    4.2 基于聯(lián)合字典與稀疏表示的多內(nèi)容圖像彩色化算法實現(xiàn)
        4.2.1 聯(lián)合字典的構(gòu)造實現(xiàn)
        4.2.2 基于聯(lián)合字典的字典匹配及彩色化實現(xiàn)
    4.3 實驗結(jié)果及分析
    4.4 本章小結(jié)
5 結(jié)論
    5.1 本章小結(jié)
    5.2 工作展望
參考文獻
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集

【相似文獻】

相關(guān)期刊論文 前10條

1 陳封;;英國報紙彩色化[J];新聞戰(zhàn)線;1990年10期

2 陳封;;英國報紙彩色化[J];新聞戰(zhàn)線;1990年10期

3 滕升華;諶安軍;鄒謀炎;;一種基于拉普拉斯方程的圖像彩色化方法[J];中國圖象圖形學(xué)報;2006年04期

4 李志永;滕升華;杜坤;鄒謀炎;;基于不平度的快速圖像彩色化方法[J];中國科學(xué)院研究生院學(xué)報;2008年02期

5 陳澤先 ,蘇顯渝;用于圖象假彩色化的膠片散射效應(yīng)經(jīng)驗公式[J];四川大學(xué)學(xué)報(自然科學(xué)版);1986年01期

6 ;英國報紙彩色化[J];新聞界;1991年02期

7 白云霄;日本辦公室內(nèi)部印刷彩色化的發(fā)展[J];印刷信息;1996年09期

8 張南;;黑白照片的翻新及彩色化[J];老友;2013年08期

9 李志永;滕升華;杜坤;鄒謀炎;;基于不平度顏色混合的圖像彩色化方法[J];電子與信息學(xué)報;2008年03期

10 陳穎;李神速;;基于遺傳算法的圖像彩色化方法[J];計算機工程;2011年15期

相關(guān)博士學(xué)位論文 前3條

1 滕升華;黑白影像的彩色化研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2006年

2 李志永;黑白影像的彩色化研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2007年

3 姚晨;彩色化和色彩轉(zhuǎn)移圖像處理關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 聶桂芝;圖像彩色化算法研究[D];溫州大學(xué);2015年

2 沈振一;基于車載紅外輔助駕駛系統(tǒng)的圖像彩色化與三維重建[D];東華大學(xué);2016年

3 梁海;基于多字典的多內(nèi)容灰度圖像彩色化算法研究[D];北京交通大學(xué);2016年

4 武江偉;基于色彩傳遞的夜視視頻的彩色化研究[D];東華大學(xué);2010年

5 代中華;車載紅外視頻彩色化算法研究[D];東華大學(xué);2011年

6 蔡宇文;優(yōu)化分割的手繪圖像彩色化技術(shù)研究[D];上海交通大學(xué);2013年

7 崔會卿;基于聚類和距離變換的數(shù)字圖像彩色化技術(shù)[D];河北師范大學(xué);2009年

8 王繪;基于顏色線索的圖像彩色化研究[D];中南大學(xué);2011年

9 譙帥;夜視視頻序列的彩色化方法研究[D];東華大學(xué);2012年

10 張歡;灰度圖像彩色化的算法研究[D];西安電子科技大學(xué);2011年

本文編號：2864305