◆刘晓丽 程晓荣

基于卷积神经网络的智能着色技术的研究

◆刘晓丽 程晓荣

（华北电力大学（保定）控制与计算机工程学院 河北 071003）

通过深度卷积神经网络及语义分割任务的学习，研究了一种基于有监督学习的着色技术。在用户给定的图像中将其变成灰度图，然后通过卷积和GPU进行特征提取，并在特征空间上构建分类器，使用softmax对像素的颜色进行分类。实验结果表明，该着色可以达到以假乱真的视觉效果，对于黑白灰图像的着色具有相应的应用价值。

CNN；特征提取；智能着色；分类；卷积

有照片才有意义，照片给人一种时光倒流的回忆感，尤其是收藏的黑白老照片。而随着年龄渐长、时光飞逝，留在脑海里的当时的色彩颜色越发模糊。因此，急需一种方法恢复人们的内存记忆。人们曾用类似于小学生绘图的方式，即用户辅助的涂鸦着色。这种方式用户交互性很强，需要手动地指定特定的某一区域所需颜色，不适用复杂的图形处理。另有学者提出参考图例的色彩着色，时空中具有相似强度的相邻像素具有相似的颜色，但难点在于找到一张匹配的参考图[1]。而本文在使用CNN将输入图像转化为灰度图像基础之上使用模型训练形成着色，达到图像“幻觉化”的效果。

1 卷积神经网络

人类的大脑中拥有1000多亿个神经元，每个神经元都可能与多个方向互相连接着构成一个超级大型的网络，从而形成人脑意识。在1943年许多神经元模型和学习规则被研究学者所提出，继MP模型、BP算法、DNN算法之后，普遍由输入层、卷积运算、池化和若干全连接层组成的CNNs被提及[2]。……