黑白图像着色是图像处理系统的重要组成部分,图像着色作为一种计算机辅助技术,在影视处理、老照片修复等方面有着广泛的应用场景。目前的图像着色技术主要有基于颜色传递和基于颜色扩展两种方法,首先需要人为交互,以及专业的图像处理,处理难度大;其次着色效果不佳,且不能根据一个着色算法延伸到大量不同类型的图像中,难以大批量用于工业生产。随着数字图像处理、计算机视觉、机器学习和深度学习等技术的快速发展,深度学习与数字图像处理渐渐地结合,基于深度学习的图像处理方式也变得多种多样,因此研究基于深度学习的图像着色算法具有非常重要的意义。针对图像的着色处理和深度学习相关的知识,本文进行了基于深度学习的图像着色算法研究,具体内容如下:(1)采用深度学习公用图像数据库,其中包括动植物、山脉、森林等复杂多变、多角度的图像。(2)针对传统着色算法需要人为干预且着色效果不佳的弊端,提出基于残差神经网络的图像着色算法,并与近几年出现的深度学习着色算法相比较。通过实验证明,本文提出的基于残差神经网络的图像着色算法效果好于其他着色算法。(3)提出基于对抗生成网络的图像着色算法。(4)实现了基于深度学习的图像着色系统,系统由图像上传模块、图像预处理和图像着色模块组成,其中图像的着色模块使用了本文提到的两种图像着色算法,并可以一次性地着色大批量的图像。通过理论与实践相结合的方式,证明了基于深度学习的图像着色算法的有效性及意义。