[发明专利]基于神经网络的黑白照片色彩恢复方法、装置及存储介质

权利要求书

1.一种基于神经网络的黑白照片色彩恢复方法，其特征在于，所述方法包括：

从网络中获取彩色图像，并将所述彩色图像从RGB色彩模式转化为Lab色彩模式；

利用边缘检测算法和阈值分割法对Lab色彩模式的彩色图像进行图像内物体的定位和前景物体的分割；

构建结合全局先验和局部图像特征结构的卷积神经网络模型；

利用所述Lab色彩模式的彩色图像以及上述确定的卷积神经网络模型结构，训练卷积神经网络模型进行图像中物体类别和颜色的预测；

输入需要执行色彩恢复的黑白图像，获取所述黑白图像中的L分量，并将所述L分量输入训练好的卷积神经网络模型中，生成对应的ab分量，最后将L、a、b三个分量结合产生所述黑白图像对应的彩色图像。

2.如权利要求1所述的基于神经网络的黑白照片色彩恢复方法，其特征在于，将所述彩色图像从RGB色彩模式转化为Lab色彩模式包括将彩色图像从RGB色彩模式转化为XYZ色彩模式以及将彩色图像从XYZ色彩转化为Lab色彩模式，其中：

所述将彩色图像从RGB色彩模式转化为XYZ色彩模式方法如下：

[X,Y,Z]＝[M]*[R,G,B]，

其中，M为一个3x3矩阵：

R、G、B是经过Gamma校正的色彩分量：R＝g(r)，G＝g(g)，B＝g(b)，而r、g、b为原始的色彩分量，g(x)是Gamma校正函数，

当x<0.018时，g(x)＝4.5318*x，

当x>＝0.018时，g(x)＝1.099*d^0.45-0.099；

所述将彩色图像从XYZ色彩转化为Lab色彩模式包括：

L＝116*f(Y1)-16，

a＝500*(f(X1)-f(Y1))，

b＝200*(f(Y1)-f(Z1))，

其中f(x)是Gamma函数的校正函数，

当x>0.008856时，f(x)＝x^(1/3)，

当x<＝0.008856时，f(x)＝(7.787*x)+(16/116)，

X1、Y1、Z1分别是线性归一化之后的X、Y、Z值。

3.如权利要求1所述的基于神经网络的黑白照片色彩恢复方法，其特征在于，所述边缘检测算法包括Canny边缘检测算法，以及所述图像内所包含的物体的定位包括：

用高斯滤波器对所述彩色图像进行平滑滤波；

用一阶偏导的有限差分计算所述彩色图像的梯度的幅值和方向；

将非局部极大值点的幅度置为零，以得到细化的边缘；及

用双阈值法检测和连接所述彩色图像中的所包含的物体的边缘，完成所述图像内所包含的物体的定位。

4.如权利要求1至3中任意一项所述的基于神经网络的黑白照片色彩恢复方法，其特征在于，所述阈值分割法包括设置一个阈值T，并遍历所述彩色图像中的每个像素点，当像素点的灰度值大于T时，判断该像素点属于前景物体，当像素点的灰度值小于或者等于T，判断该像素点属于背景物体。

5.如权利要求1所述的基于神经网络的黑白照片色彩恢复方法，其特征在于，所述卷积神经网络模型的训练方法如下：

确定输入输出向量，其中，所述输入向量为图像的L分量，输出向量为对图像内物体类别和颜色的预测；

对所述L分量进行卷积操作；

构建评价网络模型输出的预测值与真实值之间的差异的损失函数；及

用Softmax函数输出物体类别的分类标签。