[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

说明书

本发明涉及人工智能技术，公开了一种黑白照片色彩恢复方法，包括：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；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所述卷积神经网络模型结构，训练卷积神经网络模型；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。本发明还提出一种黑白照片色彩恢复装置以及一种计算机可读存储介质。本发明能够对黑白照片进行色彩恢复。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于神经网络的黑白照片色彩恢复方法、装置及计算机可读存储介质。

背景技术

黑白照片作为早期摄影的产物，有着特殊的意义，黑白照片能够反映一定的时代感，但是无法完全展现当时的真实场景。所以对黑白照片进行色彩的恢复，能够唤起人们更深刻的记忆，还能够记录更完整的历史信息。而如今技术均是使用优化算法，通过不断迭代对黑白照片进行恢复，这样进行迭代效率过慢并且形成的彩色照片并不能让人满意。

发明内容

本发明提供一种基于神经网络的黑白照片色彩恢复方法、装置及计算机可读存储介质，其主要目的在于提供一种对黑白照片进行色彩恢复的方案。

为实现上述目的，本发明提供的一种基于神经网络的黑白照片色彩恢复方法，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。

可选地，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)，