基于前景语义信息的图像着色算法

• 作者: 吴丽丹 薛雨阳 童同 杜民 高钦泉
• 来源期刊: 计算机应用
• 关键词: 图像着色 特征融合 灰度图像 前景语义信息
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 多媒体计算与计算机仿真|Multimedia computing and computer simulation
• 页码范围: 2048-2053
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020081184

摘要

图像可分为前景部分与背景部分,而前景往往是视觉中心.在图像着色任务上,由于前景的类别多且情况复杂,着色困难,以至于图像中的前景部分会存在着色暗淡和细节丢失等问题.针对这些问题,提出了基于前景语义信息的图像着色算法,以改善图像着色效果,达到图像整体颜色自然、内容颜色丰富的目的.首先利用前景子网提取前景部分的低级特征和高级特征;然后将这些特征融合到全景子网训练中,以排除背景颜色信息影响并强调前景颜色信息;最后用生成损失和像素级别的颜色损失来不断优化网络,指导生成高质量图像.实验结果表明,引入前景语义信息后,所提算法在峰值信噪比(PSNR)和感知相似度(LPIPS)上有所提升,可有效改善视觉中心区域着色中的色泽暗淡、细节丢失、对比度低等问题;相比其他算法,该算法在图像整体上取得了更自然的着色效果,在内容部分上取得了显著的改进.