长春理工大学 电子信息工程学院, 吉林 长春 130022
针对传统颜色迁移算法在处理图像时存在颜色误传递, 色彩不够自然等问题, 提出一种基于密集连接生成对抗网络的图像颜色迁移方法。在训练过程中, 训练生成网络生成颜色迁移图像。生成网络中的编码层利用密集连接网络跨层连接的优点促进颜色特征重用, 加快网络的收敛速度, 同时在转换层采用3层残差模块代替原始的两层残差模块更好地组合图像的不同特征。训练判别网络使其辨别原图像与生成的迁移图像间的差别。本文判别网络中用-log函数计算模型损失, 加快训练初期更新速度。实验结果表明, 与同类模型相比, 本文方法结果图像保留更多细节, 且能够抑制部分噪声, 整体更接近自然图像。
生成对抗网络 颜色迁移 密集连接 generative adversarial networks color transfer dense connection
中北大学 信息与通信工程学院，山西 太原 030051
针对传统颜色迁移算法计算量大、对图像无法准确进行颜色迁移的问题，提出一种基于形态学变换和快速模糊C均值聚类(FFCM)的灰度图像颜色迁移算法。首先对目标图像进行腐蚀膨胀运算，消除亮度不均匀的区域，通过FFCM聚类算法对目标图像进行准确聚类，然后在目标图像与源图像中选取对应样本块，完成样本块的颜色迁移，并以已上色的样本块为参考，完成图像的全局颜色迁移。实验结果表明:与Welsh和FCM算法相比较，本文算法处理时间分别缩短64.29 %和54.25 %，结果图像在类间交界处的颜色过渡更加自然，证明了算法的有效性。
形态学变换 FFCM聚类 颜色迁移 图像处理 morphology transformation FFCM cluster color transfer image processing
为克服当前偏振图像融合方法存在的不足,提出了一种基于颜色迁移和聚类分割的偏振图像近自然彩色融合方法.该方法首先将偏振参量图像映射到HSI颜色空间,再得到初步的融合图像后将它变换到YIQ颜色空间,并采用颜色迁移技术对其进行颜色修正.通过将修正后的图像变换到HSI颜色空间,并利用对线偏振度图像进行模糊C-均值聚类分割的结果调整融合图像的色调和色饱和度.最后,将处理结果变换回RGB颜色空间,得到最终的图像融合结果.实验结果表明,利用该方法得到的融合图像不仅与人眼视觉感知习惯一致,而且显著增强了目标与背景的对比度.
光学偏振 图像融合 颜色迁移 聚类分割 Optical polarization Image fusion Color transfer Clustering-based segmentation
