深度学习彩色化算法对曝光偏差图像着色研究-软件导刊.pdf

第18卷第2 期 软 件 导 刊 Vol. 18 No. 2 第 2 期 2019 年2 月 Software Guide Feb. 2019 深度学习彩色化算法对曝光偏差图像着色研究 马 骋，孙国强 （上海理工大学 光电信息与计算机工程学院，上海200093 ） 摘 要：对基于深度学习的图像彩色化算法进行试验与分析，发现现有彩色化算法存在对曝光偏差的图像彩色 化效果不佳。针对该问题，提出一种在彩色化存在曝光偏差的灰度图像时，使用直方图均衡化预处理输入图像 方法，以达到更好的彩色化效果。该方法在深度学习彩色化算法的预处理阶段，运用直方图均衡化输入灰度图 像，建立一种合理的映射关系，将输入图像灰度值按照该映射关系重新均衡分布在灰度级范围上，使得图像灰 度等级分明，对比度增加，细节更加清晰，更有利于神经网络提取图像特征。对彩色化算法进行对比实验，结果 表明，该预处理方法对曝光偏差图像的彩色化效果更加真实，可以显著提高存在曝光偏差图像的彩色化效果。 关键词：直方图均衡化；特征提取；曝光偏差；彩色化；深度学习 DOI：10. 11907/rjdk. 182373 中图分类号：TP317.4 文献标识码：A 文章编号：1672-7800 （2019 ）002-0153-04 ResearchofcolorizeExposureBiasImagebyDeepLearningColorizationAlgorithm MA Cheng ，SUN Guo-qiang （School of Optical-Electrical ＆Computer Engineering ，University of Shanghai for Science ＆Technology ，Shanghai 200093 ，China ） Abstract：To solve the problem that the image colorization algorithm based on deep learning had poor effect if the image had bias expo⁃ sure ，a method was proposed for a better colorization effect that preprocessed input image based on histogram equalization. The method used histogram equalization to make brightness of the image equalized in the range of grayscale. It made the level of brightness and de⁃ tails clear ，which improved the image contrast to help neural networks to extract feature and finish colorization better. Experimental re⁃ sults showed that compared with using neural networks directly ，this method of preprocessing significantly improved the colorization ef⁃ fect of the image with exposure bias. KeyWords：histogram equalization ；feature extraction ；exposure bias ；colorization ；deep learning 作，实现真正意义上的自