图像着色作为数字图像处理领域中重要研究课题之一,其实质是一种借助计算机平台帮助灰度图像或者视频添加上颜色的图像处理技术。现有的图像着色方法根据颜色线索来源的不同,可以分为基于颜色标记的着色方法和基于参照图像的着色方法。在基于颜色标记的着色方法中,用户需要在灰度图像画上部分颜色线索,然后通过算法将颜色从已知位置扩散到整张图片。权重表示像素之间的一种相似关系,决定了颜色传递的能量,在颜色传递过程中起到至关重要的作用。为了得到准确的权重关系,本文提出了一种权重学习的方法,通过训练相邻像素间的相似关系学习到最优权重用于着色。本文首先对已有的着色方法进行了分类介绍,分别介绍了基于颜色标记的着色方法、基于参照图像的着色方法和基于机器学习的着色方法,并对其中几个经典算法做了详细分析。在基于颜色标记的着色方法中详细介绍了基于相似关系的方法,其方法对本文所述的方法有很大的启发。随后重点陈述了本文提出的基于权重学习的着色方法,并详细介绍了方法的步骤和实验过程。实验结果表明,提出的方法能够取得更好的着色效果。具体来讲,本文的创新点主要包括以下几个方面:(1)本文提出了一种基于权重学习的着色方法,利用训练学习的方式得到最优权重用于着色,并建立了一个从灰度图像特征到彩色图像的权重的学习模型。给定任意灰度目标图像,通过该模型都能学习到更优的权重,最后将该权重应用到颜色传递的过程中。本文将所得结果同Levin提出的方法得到的结果进行比较,该方法得到的结果与原始的彩色图像差距更小。(2)为了得到合适的权重训练集,我们提出的假设是:如果相邻像素间颜色值接近,那么在与之对应的灰度图像中,两像素有很大的相似度。即在彩色图像中,相邻像素颜色间的相互关系能更准确的表达权重的信息。于是我们将在彩色图像中计算得到的相邻像素的颜色距离作为权重的真实值参与训练。(3)为了更准确的表征相邻像素间的关系,本文方法不仅用到灰度表示像素,还加入了梯度特征,为像素间关系的计算提供了更多的信息,随后用特征组合的方式建立从灰度图像到彩色图像的关联。实验表明,亮度和梯度的特征的结合能产生较好的着色结果。