高陈强 谢承娟 杨 烽 赵 悦 李鹏程

(重庆邮电大学通信与信息工程学院 重庆 400065)

(信号与信息处理重庆市重点实验室 重庆 400065)

1 引言

图像组合是把一幅图像的“兴趣内容”复制到另外一幅图像的指定区域，从而合成一幅新的图像。随着移动智能终端，移动互联网各种应用的发展，这一需求越来越明显。特别是，在机器学习领域，通过图像组合，可以低成本地产生大量带标签的训练数据，用于机器学习模型训练，从而减少人工标注。

通常情况下，用于图像组合的两幅图像存在成像差异，即复制的“兴趣内容”(前景区域)与嵌入的图像(背景区域)存在较大颜色、亮度等差异，这使得组合图像在视觉上不协调。因此，图像协调化是图像组合中必须且极其重要的一个环节，其目的是对编辑后的组合图像实现视觉一致性，即调整前景区域的外观使其和新的背景一致，从而让整幅图像在视觉上更加真实。

对于图像协调化任务，导致组合图像看起来不真实的主要原因是前景区域和背景区域的拍摄条件(例如，天气、季节、一天的时间)不同，从而使得前景和背景的颜色、光照等外观特征存在明显差异。

近年来，深度卷积神经网络(Deep Convolutional Neural Network, DCNN)因其强大的学习能力被广泛应用于各种计算机视觉任务，也有一些网络模型被设计用于解决图像协调化任务。一些方法利用额外的辅助网络提供语义信息，然后通过一个编解码网络输出协调化图像[1,2]。另一些方法基于组合图像前景与背景存在外观差异的特性，分别学习前景和背景特征，然后采用对抗训练的方式实现图像协调化[3,4]。……