[发明专利]一种正交色彩传递网络及方法

权利要求书

1.一种正交色彩传递网络的构建方法，其特征在于：包括如下步骤：

步骤(1)、对正交色彩传递过程建立参数化模型

推导正交色彩传递模型，如下式所示：

其中：μ_src和μ_ref、Q_src和Q_ref、Λ_src和Λ_ref分别表示源颜色空间S_src、参考颜色空间S_ref相对于标准正交颜色空间的平移、旋转、缩放，x为源颜色空间的颜色值，为色彩传递后的估计值；对色彩传递矩阵以及偏置向量b＝μ_ref建立参数化模型；

步骤(2)、基于深度特征融合构建正交色彩传递网络

从深度模型的第l层提取特征，该层输出形状为c×h×w的特征图，其中c为输出通道数，h、w分别为该层特征图的高和宽，则该层h×w个空间位置的像素色彩被同一规则编码为c维向量；由3维输入到在第l层c维特征向量v的编码矩阵E^(l)也是固定的，将维度写在脚标，即：

构建解码矩阵D^(l)将c维特征向量降至3维，W可近似为：

对于第l层特征输出，首先计算特征通道的统计均值：

式(c)中，h、w分别代表特征图的高和宽，i、j代表在高、宽方向上的空间位置，l代表当前特征层次，n为未被抑制的像素总数；

若当前层为最深层，则可以构造均值解码矩阵F近似估计μ_ref，即

在获得最底层μ_ref后，由式(e)获得颜色在第l层的粗略估计：

将深层的粗略估计作为浅层均值的近似，即：

按照特征层次由深向浅，不断重复式(d)、(e)，直至预测结果恢复原始图像的大小，得出颜色的最终估计值。

2.根据权利要求1所述的构建方法，其特征在于：选取第2、7、12、19层特征输出，特征图形状采用pytorch的C×H×W记法，分别对应通道数、高、宽，参数形状采用pytorch的C_in×K_h×K_w×C_out，分别对应输入通道数、卷积核高、卷积核宽、输出通道数，网络参数如下表VGG16Encoders列所示，对色彩传递矩阵的建模参数如下表Color Decoders列所示

表1网络结构参数

3.一种正交色彩传递方法，其特征在于：基于权利要求1-2任一项所述的构建方法进行；

测试时，不需要参考图像，源图像输入后提取深度特征，调用各特征层次的传递矩阵和参考图像统计均值向量，再使用后端的全连接网络完成特征融合后得到正交色彩传递结果。

4.一种计算机系统，其特征在于：适用于权利要求3所述的正交色彩传递方法。