本申请适用于图像处理技术领域，提供了图像着色方法、装置、设备及存储介质，包括：获取特定场景下的灰度图像；确定与灰度图像对应的参考图像；将灰度图像和参考图像输入到已训练的图像着色模型中处理，得到灰度图像对应的彩色图像。上述方案中，获取特定场景下的灰度图像，确定该灰度图像对应的参考图像。由于确定的参考图像与灰度图像的图像场景一致，使确定的参考图像更准确，进而在通过图像着色模型对灰度图像和参考图像进行着色处理时，可以根据该参考图像高度还原灰度图像的色彩，得到成像效果好、质量高的彩色图像，实现了对灰度图像快速、准确、高质量地着色。高质量地着色。高质量地着色。
【技术实现步骤摘要】
图像着色方法、装置、设备及存储介质
[0001]本申请属于图像处理
，尤其涉及图像着色方法、图像着色装置、图像着色设备及存储介质。
技术介绍
[0002]图像着色是指对灰度图像进行合理的色彩填充，从而得到一张彩色图像。在图像着色过程中，单个灰度图像可能对应许多合理的彩色图像。因此，传统的着色模型通常依赖于用户输入(如用户指定整张图像的颜色)以及输入的灰度图像内容，实现图像着色。
[0003]随着计算机的发展，近年来，深度神经网络在自动图像着色方面取得了显着的成功——从灰度到彩色，无需额外的人工干预，即可以通过参考彩色图像对灰度图像进行相似风格着色。然而，这种图像着色方式，由于选取的参考图像不准确，导致在对灰度图像着色时，得到的彩色图像成像效果差、质量低。
技术实现思路
[0004]有鉴于此，本申请实施例提供了图像着色方法、图像着色装置、图像着色设备及存储介质，以解决现有的图像着色方式，由于选取的参考图像不准确，导致在对灰度图像着色时，得到的彩色图像成像效果差、质量低的问题。
[0005]本申请实施例的第一方面提供了一种图像着色方法，该图像着色方法包括：
[0006]获取特定场景下的灰度图像；确定与所述灰度图像对应的参考图像，所述参考图像与所述灰度图像的图像场景一致；将所述灰度图像和所述参考图像输入到已训练的图像着色模型中处理，得到所述灰度图像对应的彩色图像；所述图像着色模型是基于多个样本灰度图像和每个所述样本灰度图像对应的样本彩色图像之间的对应关系训练得到的。
[0007]第一方面提供的图像着色方法，获取特定场景下的灰度图像，确定该灰度图像对应的参考图像。由于确定的参考图像与灰度图像的图像场景一致，使确定的参考图像更准确，进而在通过图像着色模型对灰度图像和参考图像进行着色处理时，可以根据该参考图像高度还原灰度图像的色彩，得到成像效果好、质量高的彩色图像，实现了对灰度图像快速、准确、高质量地着色。
[0008]可选地，在一种可能的实现方式中，所述将所述灰度图像和所述参考图像输入到已训练的图像着色模型中处理，得到所述灰度图像对应的彩色图像，包括：
[0009]确定所述灰度图像对应的第一亮度通道图；确定所述参考图像对应的第二亮度通道图和ab通道图；通过所述图像着色模型、所述第一亮度通道图以及所述第二亮度通道图，确定所述灰度图像和所述参考图像之间的相似度特征；转换所述ab通道图，得到目标ab通道图；通过所述图像着色模型提取所述第一亮度通道图中的亮度通道特征、所述相似度特征中的高维特征以及所述目标ab通道图中的ab通道特征；将所述亮度通道特征、所述高维特征以及所述ab通道特征融合，得到所述彩色图像。
[0010]在该实现方式中，一方面由于参考图像非常准确，即参考图像中的图像场景与灰
度图像中的图像场景一致，另一方面通过已训练的图像着色模型可以快速提取到参考图像和灰度图像中准确、丰富的深层特征，进而根据提取到的特征更好地为灰度图像着色，高度还原灰度图像的色彩，从而得到成像效果好、质量高的彩色图像。
[0011]可选地，在一种可能的实现方式中，所述通过所述图像着色模型、所述第一亮度通道图以及所述第二亮度通道图，确定所述灰度图像和所述参考图像之间的相似度特征，包括：
[0012]通过所述图像着色模型，提取所述第一亮度通道图和所述第二亮度通道图分别对应的高阶特征；采用预设算法计算所述灰度图像和所述参考图像之间的位移特征；根据所述高阶特征和所述位移特征，确定所述相似度特征。
[0013]在该实现方式中，通过图像着色模型可以快速提取到第一亮度通道图和第二亮度通道图中准确、丰富的深层特征，计算灰度图像和参考图像之间的位移特征，再根据高阶特征和位移特征，确定相似度特征，提升了相似度特征的准确性。
[0014]可选地，在一种可能的实现方式中，所述确定与所述灰度图像对应的参考图像，包括：
[0015]在预设数据库中查找多个候选参考图像；计算每个所述候选参考图像与所述灰度图像的相似度；根据每个所述相似度，对所述多个候选参考图像排序；根据排序结果，在所述多个候选参考图像中确定所述参考图像。
[0016]在该实现方式中，将预先采集的与灰度图像的图像场景一致的多个彩色图像作为多个候选参考图像，并存储在预设数据库中。计算候选参考图像与待着色的灰度图像之间的相似度，选取相似度最高或者相似度靠前的候选参考图像作为灰度图像的参考图像，便于后续通过图像着色模型对灰度图像和参考图像进行着色处理时，可以根据该参考图像高度还原灰度图像的色彩，得到高质量的彩色图像。
[0017]可选地，在一种可能的实现方式中，所述确定与所述灰度图像对应的参考图像，包括：
[0018]在显示界面显示所述多个候选参考图像；接收用户的选择操作，所述选择操作用于在所述多个候选参考图像中确定所述参考图像。
[0019]在该实现方式中，提供了交互界面，用户可通过该交互界面自行选择参考图像，提升了用户的交互体验。同时，由于用户能够直观地看到显示的多个候选参考图像的图像内容，可以在多个候选参考图像中，准确地选取出与灰度图像的图像场景一致的参考图像，便于后续通过图像着色模型对灰度图像和参考图像进行着色处理时，可以根据该参考图像高度还原灰度图像的色彩，得到高质量的彩色图像。
[0020]可选地，在一种可能的实现方式中，所述将所述灰度图像和所述参考图像输入到已训练的图像着色模型中处理，得到所述灰度图像对应的彩色图像之前，所述图像着色方法还包括：
[0021]获取样本训练集，所述样本训练集包括多个样本灰度图像和每个所述样本灰度图像对应的样本彩色图像；将所述样本训练集中的所述样本灰度图像和所述样本彩色图像输入训练前的图像着色模型中处理，得到所述样本灰度图像对应的测试彩色图像；基于预设的损失函数计算所述测试彩色图像对应的损失值，所述损失函数包括色度损失函数和感知损失函数；当所述损失值不满足预设条件时，调整训练中的图像着色模型的模型参数，并利
用所述样本训练集继续训练所述训练中的图像着色模型；当所述损失值满足预设条件时，停止训练所述训练中的图像着色模型，并将训练后的图像着色模型作为所述已训练的图像着色模型。
[0022]在该实现方式中，在训练图像着色模型的过程中，一方面在获取样本训练集时，采用的样本彩色图像与样本灰度图像的图像场景一致，利用这样的样本训练集进行训练，使训练得到的图像着色模型学到了优秀的基于准确的样本彩色图像对样本灰度图像的能力。另一方面，通过控制色度损失和感知损失两部分损失，使训练好的图像着色模型无论在着色的准确性，还是着色的合理性方面都非常优秀，进而后续根据该已训练的图像着色模型对灰度图像进行着色时，处理速度更快，着色效果更好。
[0023]可选地，在一种可能的实现方式中，所述将所述灰度图像和所述参考图像输入到已训练的图像着色模型中处理，得到所述灰度图像对应的彩色图像之后，所述图像着色方法还包括：
[0024]调整所述彩色图像的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像着色方法，其特征在于，包括：获取特定场景下的灰度图像；确定与所述灰度图像对应的参考图像，所述参考图像与所述灰度图像的图像场景一致；将所述灰度图像和所述参考图像输入到已训练的图像着色模型中处理，得到所述灰度图像对应的彩色图像；所述图像着色模型是基于多个样本灰度图像和每个所述样本灰度图像对应的样本彩色图像之间的对应关系训练得到的。2.如权利要求1所述的图像着色方法，其特征在于，所述将所述灰度图像和所述参考图像输入到已训练的图像着色模型中处理，得到所述灰度图像对应的彩色图像，包括：确定所述灰度图像对应的第一亮度通道图；确定所述参考图像对应的第二亮度通道图和ab通道图；通过所述图像着色模型、所述第一亮度通道图以及所述第二亮度通道图，确定所述灰度图像和所述参考图像之间的相似度特征；转换所述ab通道图，得到目标ab通道图；通过所述图像着色模型提取所述第一亮度通道图中的亮度通道特征、所述相似度特征中的高维特征以及所述目标ab通道图中的ab通道特征；将所述亮度通道特征、所述高维特征以及所述ab通道特征融合，得到所述彩色图像。3.如权利要求2所述的图像着色方法，其特征在于，所述通过所述图像着色模型、所述第一亮度通道图以及所述第二亮度通道图，确定所述灰度图像和所述参考图像之间的相似度特征，包括：通过所述图像着色模型，提取所述第一亮度通道图和所述第二亮度通道图分别对应的高阶特征；采用预设算法计算所述灰度图像和所述参考图像之间的位移特征；根据所述高阶特征和所述位移特征，确定所述相似度特征。4.如权利要求1所述的图像着色方法，其特征在于，所述确定与所述灰度图像对应的参考图像，包括：在预设数据库中查找多个候选参考图像；计算每个所述候选参考图像与所述灰度图像的相似度；根据每个所述相似度，对所述多个候选参考图像排序；根据排序结果，在所述多个候选参考图像中确定所述参考图像。5.如权利要求4所述的图像着色方法，其特征在于，所述确定与所述灰度图像对应的参考图像，包括：在显示界面显示所述多个候选参考图像；接收用户的选择操作，所述选择操作用于在所述多个候选参考图像中...
【专利技术属性】
技术研发人员：叶年进，饶青，贾澜鹏，颉毅，赵龙，陈现岭，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。