模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2022, Vol. 35 Issue (7): 637-648    DOI: 10.16451/j.cnki.issn1003-6059.202207006
“基于深度学习的图像处理”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
多视野特征表示的灰度图像彩色化方法
李洪安1, 郑峭雪1, 马天1, 张婧1, 李占利1, 康宝生2
1.西安科技大学 计算机科学与技术学院 西安 710054;
2.西北大学 信息科学与技术学院 西安 710127
Multi-field Features Representation Based Colorization of Grayscale Images
LI Hong'an1, ZHENG Qiaoxue1, MA Tian1, ZHANG Jing1, LI Zhanli1, KANG Baosheng2
1.College of Computer Science and Technology, Xi'an University of Science and Technology, Xi'an 710054;
2.School of Information Science and Technology, Northwest University, Xi'an 710127

全文: PDF (3359 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 图像彩色化是指预测灰度图像的颜色信息,虽然使用深度学习方法可自动地对灰度图像彩色化,但对图像中不同尺度目标的彩色化质量不高,尤其是在对复杂物体和小目标物体彩色化时,存在颜色溢出、误着色和图像颜色不一致的问题.针对上述问题,文中提出多视野特征表示的灰度图像彩色化方法.首先,设计多视野特征表示模块(Multi-field Feature Represented Block, MFRB),与改进的U-Net结合得到多视野特征表示U-Net.然后,将灰度图像输入U-Net中,并通过与判别器的对抗训练得到彩色图像.最后,利用VGG-19网络在不同尺度上计算图像的感知损失,提高图像彩色化结果的整体一致性.在不同类别的6个数据集上的实验表明,文中方法能有效提高彩色化图像质量,产生颜色更丰富、色调更一致的彩色图像,并在客观评价指标和主观感受上都较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李洪安
郑峭雪
马天
张婧
李占利
康宝生
关键词 图像彩色化生成对抗网络多视野特征表示感知损失    
Abstract:Image colorization improves image quality by predicting color information of gray-scale images. Although the grayscale images can be colored automatically by deep learning methods, the colorization quality of targets with different scales in the images is not satifactory. Especially, the existing colorizing methods is confronted with problems of color overflow, mis-coloring and inconsistent image colors, while dealing with complex objects and small target objects. To address these problems, a method for image colorization of multi-field features representation is proposed in the paper. Firstly, the multi-field feature representation block(MFRB) is designed and combined with the upgraded U-Net to acquire multi-field feature representation U-Net. Then, a grayscale image is input into the U-Net and the color image is obtained by adversarial training with PatchGAN. Finally, the VGG-19 network is employed to compute the perceptual loss of pictures at different scales to enhance the general consistency of the image colorization results. Experimental results on six distinct datasets demonstrate that the proposed method successfully enhances the quality of colorized images and creates color images with richer colors and more consistent tones. The results of the proposed method outperform the main colorization algorithms in both quantitative assessment and subjective perception.
Key wordsImage Colorization    Generative Adversarial Networks    Multi-field Feature Representation    Perceptual Loss   
收稿日期: 2022-05-17     
ZTFLH: TP 391.41  
基金资助:国家自然科学基金项目(No.61902311)、陕西省自然科学基础研究计划项目(No.2022JM-508,2022JM-317)资助
通讯作者: 李洪安,博士,副教授,主要研究方向为计算机图形学、可视媒体计算.E-mail:honganli@xust.edu.cn.   
作者简介: 郑峭雪,硕士研究生,主要研究方向为可视媒体计算、人工智能.E-mail:20208088025@stu.xust.edu.cn.
马 天,博士,副教授,主要研究方向为三维仿真、图像处理、数据可视化.E-mail:matian@xust.edu.cn.
张 婧,博士,讲师,主要研究方向为图形图像处理、智能信息处理.E-mail:zhangjing21@xust.edu.cn.
李占利,博士,教授,主要研究方向为智能信息处理、视觉计算与可视化.E-mail:lizl@xust.edu.cn.
康宝生,博士,教授,主要研究方向为计算机图形学、图像处理.E-mail:bskang@nwu.edu.cn.
引用本文:   
李洪安, 郑峭雪, 马天, 张婧, 李占利, 康宝生. 多视野特征表示的灰度图像彩色化方法[J]. 模式识别与人工智能, 2022, 35(7): 637-648. LI Hong'an, ZHENG Qiaoxue, MA Tian, ZHANG Jing, LI Zhanli, KANG Baosheng. Multi-field Features Representation Based Colorization of Grayscale Images. Pattern Recognition and Artificial Intelligence, 2022, 35(7): 637-648.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202207006      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I7/637
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn