[发明专利]全局与超像素分割相融合的色彩迁移方法

说明书

本发明首先对源图像及目标图像采用梯度下降简单线性迭代聚类法进行分割处理，然后为源图像中的每一个超像素在目标图像中搜索最相似超像素，之后在匹配的超像素对之间进行色彩迁移，最后消除由于过分割处理所产生的误匹配而导致的色彩的错误迁移及亮度过渡不自然问题，首先在第一次匹配迁移过程中引入模糊矩阵，然后用初次获得的迁移结果的全局统计信息来对源图像进行二次色彩迁移，获得较自然的色彩迁移效果；一方面纠正由于过度分割产生的某些区域的色彩的错误迁移而导致的迁移结果不自然问题；另一方面也能提高算法的应用范围，提高了方法的健壮性、鲁棒性和泛化能力，在改进效率的同时提高了色彩迁移效果。

技术领域

本发明涉及一种图像间色彩迁移方法，特别涉及一种全局与超像素分割相融合的色彩迁移方法，属于色彩迁移方法技术领域。

背景技术

色彩是图像的一个很重要的属性，改变图像的色彩分布及类型有很多种方式，但图像像素RGB空间的三个通道间有很大的关联性，要改变图像的色彩信息，就必须同时改变图像像素的三通道分量，才能保持图像本身视觉效果的自然感。为消除图像通道之间的较强的相关性，现有技术通过对大量自然图像感知的统计研究，通过对这些图像的色彩信息分布规律的统计分析，提出一个正交的独立的色彩空间Lαβ空间理论，Lαβ空间理论中L通道代表色彩的亮度信息，α、β通道代表的是色彩的彩色信息，Lαβ色彩空间更符合人眼的视觉感知特性，并且通道间的关联性降到了最低，Lαβ色彩空间理论奠定了色彩迁移方法的理论基础。

图像间的色彩迁移是指一张图像在保持自身结构内容信息的同时，学习另一张或者多张图像的色彩信息，从而获得一张新的图像，色彩迁移既能实现彩色图像间的色彩互相转换，又能用来对灰度图像进行彩色化处理，因此在影视编辑，医学影像处理，图像色彩渲染等领域有重要应用。

现有技术的全局色彩迁移方法都是统计意义上的全局自适应色彩迁移方法，当处理复杂色彩信息的自然图像时容易出现色彩的错误迁移，导致色彩迁移的效果不符合预期目标，现有技术提出了一种基于图像全局统计信息的彩色图像间的色彩迁移算法，这种算法的成功应用推动了色彩迁移技术的发展进程，理论依据是具有相同或者相似统计信息的图像应具有相同或者相似的视觉效果，这个观点是对大量自然图像进行统计分析而得出的规律。因此，通过修改形状图像的像素均值方差信息，使其与色彩图像的这些统计特征对齐，就能将色彩图像的色彩信息迁移给形状图像，也即形状图像通过学习色彩图像的基本统计信息就可以获得色彩图像的色彩信息，该色彩迁移算法提出之后，色彩迁移技术引起了广泛关注，从多种角度对其进行发展和改进。

目前，现有技术的色彩迁移算法大体上可归为三大类，包括：基于图像全局统计特征的迁移技术、基于勾画交互式的迁移技术和基于图像分割理论的分区域自动迁移技术。

第一，基于全局统计特征的色彩迁移，这类色彩迁移算法起始于全局色彩迁移算法，具体而言就是分别统计源图像与目标图像各通道像素的均值和方差，然后把目标图像的均值、方差统计信息迁移给形状图像，从而使源图像具备目标图像的色彩分布特征，基于全局统计信息的色彩迁移算法实现过程简单迅速，对色彩阶调比较单一的图像间色彩迁移能获得较好的迁移效果，但对于色彩细节较丰富图像间色彩迁移，容易出现过度学习，导致形状图像学习到的图像色彩过度不够自然。仅仅迁移低阶统计信息是不够的，图像的边缘轮廓等边界处像素的分布存在一定的非高斯性，为了改善全局图像间色彩迁移的鲁棒性，现有技术又将图像的高阶矩斜度和峰度也进行了迁移，具体来说就是通过幂变换、模变换对调整源图像像素数据的三阶矩及四阶矩，使其与目标图像的高阶统计信息对齐，结果实现将色彩图像的高阶矩信息迁移给形状图像，使图像的色彩迁移效果更好；或者在色彩迁移中引入图像金字塔，通过对形状图像和色彩图像进行卷积运算获得图像多尺度不同方向子带成分，然后根据各子带的局部统计信息选择相应子带间进行统计信息迁移，根据不同的选择获得不同的色彩迁移效果，总的来说，基于全局统计信息的色彩迁移算法比较简单，在形状图像与色彩图像的比较相似并且结构内容比较单一的情况下能取得比较好的效果，反之，就会出现色彩过度迁移的问题。