图像上色与去色是计算机视觉领域及图像处理领域内的重要技术。对彩色图像进行去色操作,在现实生活中有着诸多应用,如图像打印,单通道图像处理以及风格化处理等;而对黑白图像进行重新上色在实际生活中更有着重要的作用,如可用于历史照片上色,风格化处理等应用。但经传统去色方法处理彩色图片而得到的灰度图,无法通过现有的上色技术被还原回原本的彩色图片。因此,为了实现可靠的去色效果与上色效果,本文提出了基于L0正则项的可逆灰度图算法,将图像去色与图像上色这两个任务通过一个编码器-解码器的一体化网络实现。本文的主要工作如下:首先,本文阐述了图像上色与去色任务的研究意义与实际应用,介绍了代表性研究成果并分析了现有方法的优点与不足之处。接着,本文介绍了稀疏表达在图像处理领域内的应用,分析了现有的卷积神经网络结构如何有助于特征提取,介绍了用于评估图像相似度的常用指标。然后,本文提出基于L0正则项的可逆灰度图算法。这一算法中的编码器网络将彩色图片中的色彩信息编码进一张残差图,随后结合有损压缩后的传统灰度图得到可逆灰度图,可逆灰度图随后经解码器网络处理得到还原彩图。具体来说,本文使用L0正则项策略对残差图的稀疏度进行加强,抑制了像素中的冗余值,因此实现了以尽可能少的空间来存储和传输残差图。经过处理后,残差图的体积被大大缩小,实现了只用残差块中较少的色彩信息,就能获得较高的色彩还原效果。随后,为了提升上一算法中的网络性能,即实现更高的色彩还原质量,本文设计了双特征融合网络来对其进行结构上的优化,先是使得编码器对彩图去色后的可逆灰度图更接近传统灰度图,而解码器对可逆灰度图重新上色后得到的彩图和原彩图近乎一样。最后,结合L0正则项,对可逆灰度图中的残差图进行非零元素数量上的限制,实验结果表明双特征融合网络对色彩还原效果有着提升作用。综上所述,本文的主要工作成果是:1)本文分析了现有的图像去色与上色方法的不足之处,利用L0正则项的稀疏性,设计了基于L0正则项的可逆灰度图算法,该方法既能使得可逆灰度图中的残差图占用较小的空间,又能由其获得良好的色彩还原效果;2)基于双特征融合网络巧妙地结合了现有卷积网络结构的优点,拥有强大的特征提取能力,从而提高了网络的色彩还原效果;3)本文针对提出的两种结构设计,进行了大量的实验,从定性和定量这两个角度展示了本文方法的可靠去色能力与可靠上色能力。