基于样本的图像颜色传递算法研究

论文摘要

基于样本的图像颜色传递,即根据样本图像的色彩特征对目标图像的色彩进行调整,使目标图像在保持自身轮廓的同时拥有与样本图像相似的色彩,是当前图像处理与计算机视觉等领域的一个新兴的技术和研究热点。本文在lαβ颜色空间下实现了三种典型的颜色传递算法,采用lαβ颜色空间,能最小化彩色图像通道间的相关性,从而可以独立的改变每个通道的颜色值。在颜色传递算法中采用了亮度重映射,高斯金字塔分解等技术,而像素特征方面在除了利用像素本身的亮度值之外,还考虑了其邻域的特征,从而在颜色传递的效果和速率上有了保证。利用Visual C++对典型的颜色传递进行了编程实现,通过大量实验测试,分析了现有颜色传递算法的原理和特性,总结出各算法的优缺点以及各自的适用性。在上述工作的基础上,原创性的提出了一种新的基于自组织映射神经网络（SOFM）的颜色传递方法,本算法采用像素的多维邻域特征作为像素的特征,在训练样本图像时,采用高斯金字塔分解,在不损失彩色信息的前提下,降低了样本数量,经过网络训练后,建立像素特征向量与颜色值之间的对应关系,进而实现图像的颜色传递。本算法提高了颜色传递匹配过程的准确性,改进了颜色传递的效果。通过实验结果的对比分析,表明本算法具有较好的效果和一定的实用性,为进一步的研究奠定了一定的基础。

论文目录

• 摘要
• Abstract
• 1 前言
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.2.1 全局的图像颜色传递
• 1.2.2 点对点的图像颜色传递
• 1.3 课题的主要研究内容
• 2 相关概念与处理算法
• 2.1 颜色空间
• 2.1.1 RGB颜色空间
• 2.1.2 LMS颜色空间
• 2.1.3 1αβ颜色空间
• 2.1.4 RGB与1αβ颜色空间转换
• 2.2 高斯金字塔分解
• 2.3 像素的邻域
• 2.4 亮度重映射
• 2.5 颜色传递效果评价
• 3 典型的颜色传递算法分析与实现
• 3.1 全局的颜色传递算法
• 3.1.1 算法思想
• 3.1.2 算法测试与分析
• 3.2 点对点的颜色传递算法
• 3.3 图像类推
• 3.3.1 算法思想
• 3.3.2 图像类推算法细节描述
• 3.3.3 算法的测试与分析
• 4 基于SOFM的颜色传递算法
• 4.1 自组织映射（SOFM）神经网络
• 4.1.1 SOFM网络模型
• 4.1.2 SOFM网络的学习算法
• 4.1.3 SOFM网络的学习训练过程
• 4.2 基于SOFM的颜色传递算法
• 4.2.1 彩色样本图像的训练
• 4.2.2 目标图像的颜色传递
• 4.3 实验结果与分析
• 4.3.1 参数选择
• 4.3.2 实验结果对比分析
• 5 实验系统的开发
• 5.1 系统开发平台介绍
• 5.2 系统实现功能介绍
• 5.2.1 典型颜色传递算法系统
• 5.2.2 典型颜色传递算法系统
• 6 总结与展望
• 致谢
• 参考文献
• 7 附录A 本文中的实验结果及例图的彩图