[发明专利]一种基于多维数据关联规则的微光图像彩色化方法

说明书

本发明公开了一种基于多维数据关联规则的微光图像彩色化方法。该方法步骤如下：微光图像多属性规则挖掘：首先利用相似场景中不同物体组成的样本库，基于SVM对微光图像进行分类，采用多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的亮度、颜色之间的强关联规则集，并引入类别标签元素，最终生成亮度‑类别‑颜色强关联规则集；基于规则映射的微光图像彩色化：提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集，映射生成每个像素所对应的R、G、B颜色分量，生成彩色图。本发明方法可以获得彩色化效果好、颜色还原度高的彩色图像，且该方法易于硬件转化、可以实现实时的彩色化效果。

技术领域

本发明属于夜视图像彩色化技术领域，特别是一种基于多维数据关联规则的微光图像彩色化方法。

背景技术

微光图像彩色化一直是夜视技术的研究热点。微光图像是光电器件成像的结果，通常为灰度图像，结合人眼对彩色图像具有更高的分辨率和敏感度的特点，微光图像彩色化可以提升人们对目标与场景信息的认知，无论在军事领域还是民用领域均具有非常重大的意义。

目前，对灰度图像进行彩色化的方法主要有基于手工笔触的颜色扩散方法和基于参考彩色图像的颜色传递方法两类。基于“如果空间上相邻的像素亮度相似，那么其颜色也会比较相似”这个假设，Levin等提出的一种基于手工笔触的颜色扩散方法是这类彩色化方法中最具有代表性的一种，并且取得了比较好的效果。Welsh等提出了基于参考彩色图像的颜色传递方法，即利用亮度和纹理信息将参考彩色图像中的像素与目标灰度图像中的像素进行局部匹配，然后将颜色传递到与之最为相似的像素上。基于手工笔触的颜色扩散方法需要用户的手动输入，而且对用户的手动输入要求很高，一般需要反复操作多次才能获得理想的彩色化效果；基于参考彩色图像的颜色传递方法算法复杂，耗时较多，而且很难得到理想的彩色化效果。

发明内容

本发明的目的在于提供一种易于硬件转化、可实时完成染色，且色彩还原度高的基于多维数据关联规则的微光图像彩色化方法。

实现本发明目的的技术解决方案为：一种基于多维数据关联规则的微光图像彩色化方法，步骤如下：

步骤1，微光图像多属性规则挖掘：

采用多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的亮度、颜色之间的强关联规则集，并引入类别标签元素，最终生成亮度-类别-颜色强关联规则集；

步骤2，基于规则映射的微光图像彩色化：

提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集，映射生成每个像素所对应的R、G、B颜色分量，生成彩色图。

作为一种具体示例，步骤1所述微光图像多属性规则挖掘，具体如下：

(1.1)找出所有与微光图像中物体相对应的参考彩色图像，分别对参考彩色图像进行分块处理，生成libsvm分类函数实现分类的训练样本BLOCK，给参考彩色图像中的每个物体BLOCK附上类别标签label’；并提取参考彩色图像相应的待选图像特征集{hog，均值，方差，同质性，熵}，通过观察分类效果，选择最合适的图像特征集T作为分类数据traindata，最后生成SVM分类器model；

(1.2)在具有x个像素的不同参考彩色图像BLOCK中提取每个像素的亮度y和颜色分量R、G、B，建立对应的事务数据库database；

(1.3)基于多属性规则约束的Apriori优化算法，实现像素彩色化的唯一性。

作为一种具体示例，步骤2所述基于规则映射的微光图像彩色化，具体如下：