图像彩色化技术是对灰度图像或单通道图像进行彩色化的一种技术,可以显著提升图像的视觉效果并增强图像细节特征,对遥感图像彩色化可以加快处理遥感图像信息。许多研究者一直在不断尝试、探索和改进自然图像的彩色化方法,但在遥感图像的彩色化技术方面却相对薄弱。本文基于机器学习理论,研究利用生成对抗网络对遥感图像彩色化。本文首先提出了基于MultiConv-SEnet生成对抗网络模型方法,利用生成对抗网络的博弈思想,生成彩色图像。生成器中将多尺度卷积和SEnet模块结合成MultiConv-SEnet模块,多尺度卷积在卷积过程使用不同的卷积核改变特征提取的感受野,然后利用SEnet模块对特征权重重定向。同时,判别器网络使用经典的ResNet18,通过跳层结构,增强网络的判别能力,从而能更好的与生成器网络进行博弈。通过对比其他方法,本文提出的方法对遥感图像的彩色化具有良好的视觉效果,在图像质量指标上也比其他方法更好。然而由于模型的局限性,生成出来的部分彩色图像出现伪影问题,本文随后基于该模型进行了改进和优化,提出了基于多尺度卷积的对称式生成对抗网络。在生成器中,保留了多尺度卷积模块,扩大了小尺度卷积范围,在网络反卷积进行还原图像大小时,也使用了小尺度的反卷积操作,形成一种类似于编码解码器的对称结构。除此之外,该算法还对损失函数进行了优化,使网络更稳定。最后通过实验验证了该方法能降低图像出现伪影的概率,彩色化后的图像的颜色分布也更均匀。