[发明专利]文物历史照片色彩复原方法、装置、电子设备及存储介质

说明书

本发明提供一种文物历史照片色彩复原方法、装置、电子设备及存储介质，该方法包括：获取待复原历史照片；对所述待复原历史照片进行预处理，得到预处理照片；将所述预处理照片输入预建CycleGAN网络模型，得到所述待复原历史对应的色彩复原图片。该方案复原后的彩色照片在视觉上具有较好的效果，有效完成了历史照片色彩复原任务。

技术领域

本发明属于图像生成技术领域，特别涉及一种文物历史照片色彩复原方法、装置、电子设备及存储介质。

背景技术

深度学习是机器学习中一个极为重要的分支，随着信息化进程的浪潮，计算机运算速度和数据量的不断增加，基于卷积神经网络(Convolutional Neural Network，CNN)的深度学习技术得到了飞速的发展。在人脸识别、语言翻译等方面实现商业领域上的成功应用。然而，与传统的判别式的深度学习网络框架相比，生成式的深度学习网络框架能够更好的发掘出数据的本质特征，但存在训练困难，需要先验知识等问题。

GAN网络(Generative Adversarial Net，生成对抗网络)是由Ian J.Goodfellow等人2014年10月提出的网络结构，通过判别模型和生成模型之间相互对抗，确定了生成模型的优化目标，实现复杂分布上进行无监督学习的任务，克服了传统生成模型训练时需要预先假设分布的问题。

GAN网络成功应用于图像转换过程。即通过对GAN网络进行训练，实现输入一张图片，直接输出与之对应的目标图片，包括图像超分辨率，图像语义分割，图像灰度转换等任务。

然而，对于文物历史照片色彩复原过程，存在着无法获得历史照片对应的彩色照片和受历史拍摄条件限制导致照片质量差，噪点多的问题。在使用DeOldify开源图像项目对佛龛历史照片进行复原时，无法有效完成色彩复原任务。

发明内容

本说明书实施例的目的是提供一种文物历史照片色彩复原方法、装置、电子设备及存储介质。

为解决上述技术问题，本申请实施例通过以下方式实现的：

第一方面，本申请提供一种文物历史照片色彩复原方法，该方法包括：

获取待复原历史照片；

对待复原历史照片进行预处理，得到预处理照片；

将预处理照片输入预建CycleGAN网络模型，得到待复原历史对应的色彩复原图片。

在其中一个实施例中，预建CycleGAN网络模型的构建步骤包括：

获取若干文物历史照片及若干现存文物彩色照片；

对所有文物历史照片及现存文物彩色照片进行预处理，对应得到预处理文物历史照片及预处理现存文物彩色照片；

根据所有预处理文物历史照片构建历史数据集，根据所有预处理现存文物彩色照片构建现存数据集；

基于历史数据集和现存数据集，训练CycleGAN网络模型，得到预建CycleGAN网络模型。

在其中一个实施例中，CycleGAN网络模型采用基于注意力机制的CycleGAN网络模型。

在其中一个实施例中，基于注意力机制的CycleGAN网络模型包括：基于注意力机制的特征图上采样网络结构和基于注意力机制的特征图下采样网络结构。

在其中一个实施例中，该方法还包括：

根据预处理文物历史照片构建历史测试集；

基于历史测试集，对预建CycleGAN网络模型进行测试，评估色彩复原效果。

在其中一个实施例中，历史数据集和现存数据集中照片个数及内容均无需一一对应。