圖像彩色化方法基礎(chǔ)理論概述一般來(lái)說(shuō)，在圖像彩色化的任務(wù)中，需要通過(guò)一個(gè)輸入的灰度圖像來(lái)生成其對(duì)應(yīng)的彩色圖像。然而這個(gè)問(wèn)題的實(shí)驗(yàn)結(jié)果不能一概而論，因?yàn)檫@個(gè)結(jié)果是多模態(tài)的，也就意味著同樣的灰度圖像可能會(huì)有多個(gè)生成的彩色圖像結(jié)果[13]。過(guò)去的模型一般依賴于輸入的大量的灰度圖片，需要人工干預(yù)且著色速度慢。而現(xiàn)在，深度學(xué)習(xí)在圖像自動(dòng)著色方面取得了顯著的成功。它無(wú)需額外的人工輸入即可從灰度變?yōu)椴噬?。這是由于這種模型在彩色化過(guò)程中能夠捕捉和使用語(yǔ)義信息，即能夠分析圖像實(shí)際上是什么,本章介紹使用這類模型需要用到的理論基礎(chǔ)知識(shí)。RGB顏色空間是目前最常見(jiàn)、使用最廣的一種顏色空間，目前大多數(shù)圖像都使用RGB顏色空間來(lái)定義。而Lab是一種脫離設(shè)備顏色模型，因?yàn)樗枋龅牟皇窃O(shè)備生成顏色所需的電子顏料的數(shù)量，只是顏色的一種顯示方式。這一顏色模型更多的是反映人對(duì)顏色的一種直觀的感受。L,a,b三者的數(shù)值能夠包含正常人能夠觀察到的所有顏色。Lab顏色模型是由亮度(L)和a、b兩個(gè)色彩方面的要素組成。其中，L表示亮度大小，a的值表示的色彩范圍是從洋紅色至綠色，b的值表示的色彩范圍是從黃色至藍(lán)色。L的范圍在[0,100],當(dāng)L的值為50時(shí)，表示的是50%的黑色。a的范圍和b的范圍都是[-128,127],其中當(dāng)a的值為127時(shí)顏色顯示為紅色，當(dāng)a的大小逐漸變?yōu)?128時(shí)圖像顏色就變?yōu)榫G色；同上所述，當(dāng)b的值為+127圖像顏色顯示為黃色，b為-128圖像顏色轉(zhuǎn)變成藍(lán)色。L,a,b三個(gè)值交互變化，可以產(chǎn)生RGB顏色空間內(nèi)的大多數(shù)顏色[14],其顏色空間如L(亮度軸)監(jiān)黑黑圖2所示：工2卷積神經(jīng)網(wǎng)絡(luò)(CNN)是深度學(xué)習(xí)領(lǐng)域使用最廣泛的網(wǎng)絡(luò)之一，相較于傳多種研究表明[15],增加網(wǎng)絡(luò)的深度比增加網(wǎng)絡(luò)的寬度對(duì)優(yōu)化網(wǎng)絡(luò)的性能更加有輸入輸入業(yè)卷積層(輸入通道3,輸出通道64,卷積核大小7,移動(dòng)步長(zhǎng)2,填充0的數(shù)里3)業(yè)批里歸一化業(yè)激活層池化層(最大)(過(guò)濾器大小3,移動(dòng)步長(zhǎng)2,填充0的數(shù)望1)線性層(輸出大小10)卷積層(3x3,64)元素相加元索相加元素相加霜嘉效，因此，傳統(tǒng)的VGG網(wǎng)絡(luò)架構(gòu)一直在試圖增加網(wǎng)絡(luò)的深度，使網(wǎng)絡(luò)性能有更3絡(luò)層數(shù)的加深，網(wǎng)絡(luò)的性能會(huì)得到顯著的提升。殘差網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示提出了Adam優(yōu)化器，這種優(yōu)化器結(jié)合了AdaGrad和RMSProp兩種優(yōu)化算法的優(yōu)點(diǎn)。對(duì)梯度的一階矩估計(jì)(FirstMomentEstimation,即梯度的均值)和二階矩估計(jì)(SecondMomentEstimation,即梯度的未中心化的方差)進(jìn)行綜合考慮，(四)評(píng)價(jià)標(biāo)準(zhǔn)圖像處理的評(píng)價(jià)標(biāo)準(zhǔn)主要是從SSIM(結(jié)構(gòu)相似性)與PSNR(峰值信噪比)圖像的差距越大，所以數(shù)值越大表示圖像質(zhì)量越好。當(dāng)兩幅圖像一模一樣時(shí)，