[发明专利]基于权重学习的着色方法和装置

权利要求书

1.一种基于权重学习的着色方法，其特征在于，包括以下步骤：

步骤1：选取多幅灰度图像和相应彩色图像，分别计算灰色图像和相应彩色图像相邻像素间的特征差异，作为训练数据集；

步骤2：基于所述训练数据集，利用随机森林算法训练权重学习模型；

步骤3：在待着色的目标灰度图像上标记颜色；

步骤4：对目标灰度图像提取相邻像素间的特征差异，作为权重学习模型的输入，得到最优权重；

步骤5：根据颜色标记和所述最优权重进行色彩传递，获取目标灰度图像对应的彩色图像；

所述灰色图像相邻像素间的特征差异为：

F_rs＝||F_s-F_r||

其中，r为灰色图像中的某一像素，s为r的邻域像素，F＝{f1，f2}则表示亮度和梯度特征组成的特征向量，f1，f2分别表示亮度和梯度特征；

所述彩色图像相邻像素间的特征差异为颜色差异：

其中，d_rs＝||L_s-L_r||²+||a_s-a_r||²+||b_s-b_r||²

r为灰色图像中的某一像素，s为r的邻域像素，L表示亮度信息，a、b分别表示两个颜色分量，d_rs表示像素s和r的距离，var为阈值，max(d_rs)表示求取一个邻域中最大的d_rs；

所述权重学习模型采用(F_rs，D_rs)作为训练集；

设所述权重学习模型学习得到D_rs，像素r与s的最优权重为：

2.如权利要求1所述的基于权重学习的着色方法，其特征在于，对图像中已被标记的像素r，对像素r与邻域内每一个像素s的权重进行归一化处理。

3.如权利要求2所述的基于权重学习的着色方法，其特征在于，所述色彩传递过程中，相邻像素颜色值的优化函数为：

其中，C表示UV分量，C_r代表中心像素的颜色，C_s代表邻域内周边像素的颜色。

4.一种基于权重学习的着色装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3任一项所述的基于权重学习的着色方法。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行如权利要求1-3任一项所述的基于权重学习的着色方法。