0AASRI Procedia 4（2013）261-26702212-6716©2013 The Authors。由ElsevierB.V.出版。根据美国应用科学研究学会的责任进行选择和/或同行评审doi：10.1016/j.aasri.2013.10.0390ScienceDirect02013年智能系统和控制AASRI会议0例子着色使用双树复小波0变换和Jseg0Zahid Ali a* , S.A.M Gilani a*0巴基斯坦计算机与新兴科学国立大学0巴基斯坦，拉合尔0摘要0提出了一种新颖的自动化方法，通过给出示例彩色图像来给灰度图像上色。使用无监督分割JSeg对两幅图像进行部分分割。提出的方法通过分析灰度图像的直方图来控制JSeg中分割的合并。从每个段落中提取最大拟合的正方形块，线性时间内丢弃一些正方形块以避免误差。使用双树复小波变换匹配灰度图像和彩色图像段，使用简单的均值和标准差在匹配段之间传输颜色。使用优化技术对剩余图像进行上色。实验结果表明了自动化的优势。©2013。由ElsevierB.V.出版。根据美国应用科学研究学会的责任进行选择和/或同行评审关键字：上色；DT-CWT；纹理匹配；JSeg；自动化；01. 引言0着色是将颜色添加到灰度图像中。它用于增强旧的灰度照片，标记医学图像中的感兴趣区域，在电子显微图像和卫星图像中增强。它还可以用于重新着色或修改彩色图像以获得视觉上愉悦的结果。0医学图像中的感兴趣区域，增强电子显微图像和卫星图像。它还可以用于重新着色或修改彩色图像以获得视觉上愉悦的结果。0尽管该领域取得了进展，但这是一项繁琐的工作，因为需要大量人力。着色可以用于增强旧的灰度照片，标记感兴趣的区域在医学图像中，增强电子显微图像和卫星图像。它还可以用于重新着色或修改彩色图像以获得视觉上愉悦的结果。0* a 电子邮件地址：ranazahid@gmail.com, asif.gilani@nu.edu.pk0在线访问位于www.sciencedirect.com0©2013 The Authors。由ElsevierB.V.出版。根据美国应用科学研究学会的责任进行选择和/或同行评审0在CC BY-NC-ND许可下开放访问。0在CC BY-NC-ND许可下开放访问。 0262 Zahid Ali和S.A.M. Gilani / AASRI Procedia 4（2013）261-2670通过提供示例图像或在图像上提供颜色标记来完成。这两种思路都有优点和缺点。Reinhard[1]表明，可以使用基于直方图的技术在感知均匀的颜色空间lab中将一幅图像的颜色转移到另一幅图像上。Reinhard通过将一个图像的分布转移到另一个图像中来在全局级别上转移颜色。Welsh[2]使用简单的均值和标准差在局部级别上进行颜色转移。简单的均值和标准差不足以正确着色图像。他提出了一种基于纹理合成的交互式方法。Irony[4]使用示例图像进行颜色转移。该图像与部分分割的图像一起提供。通过学习该分割目标图像进行分割。YaoXiang[6]提出了一种多源转移的方法，其中可以有多个源图像，但目标图像是彩色的。提出了一种新颖的着色图像的方法，其中用户不需要提供分割图像或交互。目标图像仍然是灰度图像，并且获得了视觉上愉悦的结果，并与以前的方法进行了比较。01. 背景01.1 复双树小波变换0小波被用作基于纹理的图像检索的有效工具。Kingsbury[7]建议使用复小波（CW），因为它们具有平移不变性，这意味着纹理特征对图像中的平移更具鲁棒性。复小波可以使用双树在每个尺度上区分-45和45线，其中一个树用于实数系数，另一个树用于复数系数。复小波可以表示为（1）0其中和是实值小波。01.2 JSeg-一种无监督分割方法0JSeg是用于自然图像的无监督分割框架，在灰度图像上效果良好[8]。首先使用对等组过滤（PGF）[9]将图像量化为16个级别。每个级别表示一个类别，从而形成一个类别映射。令Z为该映射上的所有点的集合，使得z的值为其坐标，即。令N为类别映射中的总点数。可以如下计算平均值m：0计算J图像2），其中是总方差，是每个类别方差的平均值。0称为山的较高的J值表示边缘，称为谷的较低的J值表示区域的中心区域。从不同大小的窗口（从65x65到9x9）开始进行操作，形成多分辨率的0z Z z N m 10Z z T m z S) 0263 Zahid Ali和S.A.M. Gilani / AASRI Procedia 4（2013）261-2670称为J图像的图像。最小的窗口大小为9x9，称为尺度1。最大的窗口大小为65x65，称为尺度4。从最低的J值开始，使用区域生长方法对图像进行分割。在阈值以下的区域确定了谷点。阈值的确定方法如下。从最低的J值开始，使用区域生长方法对图像进行分割。在阈值以下的区域确定了谷点。阈值的确定方法如下。（3）0其中是区域的J值的平均值和方差。最后，这导致了过分分割的区域。合并相似强度的区域。合并欧氏距离低于阈值的区域。所使用的最佳阈值为0.4。这对彩色图像效果很好。对于灰度图像，根据第3.1节中解释的直方图中的峰值进行自适应使用。02. 提出的方法0提出了一种用于着色的算法，其中源图像是彩色的，目标图像是灰度图像。自然图像的分割是主观的且任务相关的。但是当提供了类似的图像时，可以以合理的准确性将目标图像与源图像匹配。使用上述方法JSeg[8]可以保持彩色图像的颜色和纹理的一致性。灰度图像使用相同的方法进行分割，除了在3.1小节中解释的自适应区域合并。提出的算法的主要步骤如下：第1步：将源图像和目标图像进行无监督分割；第2步：在两幅图像的每个段落中找到最大拟合的正方形；第3步：通过执行CWT从每个正方形提取特征；第4步：仅匹配彩色图像和灰度图像正方形的特征向量，这些正方形的大小大于15x15；第5步：使用均值和标准差将匹配的彩色正方形的颜色传输到匹配的灰度图像段；第6步：使用优化技术对剩余像素进行着色。02.1 分割源图像和目标图像0彩色图像使用JSeg中使用的默认尺度参数进行分割。合并阶段使用的阈值为0.4。对于灰度图像，使用基于直方图分析的自适应合并。图像的直方图显示了图像的分布。峰值被定义为两个低点之间的最大值[11]。最高峰代表图像中的主要区域。如果N是图像中的总像素数，是两个极小值之间的像素总数。那么峰值区域相对于整个图像的百分比面积可以如下确定：（4）令K表示峰值区域的百分比面积的计数， 2.2 1+)(5) 0264 Zahid Ali和S.A.M. Gilani/ AASRI Procedia 4（2013）261-2670峰合u0这些额外的cv bo0图0ks which reprging otherwis0合并。0寻找一个最大0一旦图像eirregular seacted from verted to bican be0• 向移动0•如果像素v的值0其中h0g 1. Diagram sho0（，）=r c0esents below e a scale of 0.0最大的拟合0图像被分割成段个段落将在每个的每个颜色上进0和w是hei0ws pictorial overv0= 1- min =0h r w c0图像的5％4于。对于0g Box0ed into differnot yield corrusing existiscan line algow: ht corner ofS; w by row;hen look for rnd add one it0高度和宽度0view of propose0+1），n（（，r c 0ge are ignorer 0.3 means a0不同的段落，rematch。因此，g技术orithm isused0right pixel, bothat0h of image.0d approach.0d. If K is greatreas of interes0每个段落o asquare pa ed on binary 0ottom pixel a0+1（+，1个c r S0ter than 4 thet are many an0是不规则的纹区域，以S代转换的段0nd down diag0在0.3d的尺度上应该是0ular shape. tative of thaa single segment S . Ma0最后一行像素。最03 is usedfor eft0比较段、是0mented areaimum fitting0最小值 (6) (7)0265 Zahid Ali和S.A.M. Gilani/ AASRI Procedia 4（2013）261-2670• 正方形从S的最大值开始，并且在max(S)的位置。它的大小是。02.3特征提取0通过在两个尺度上应用复小波并且六个方向计算每个正方形块的特征向量。获得了12个实部和12个虚部子带以及2个实部和2个虚部近似带。通过取实部和虚部系数以及近似和详细系数的幅度，获得了14个子带。按照Kingsbury的建议计算均值和标准差。在灰度方块和转换为灰度的彩色方块上应用此特征向量提取。这些特征向量用于后续匹配。对于颜色图像的正方形块，取了20以上。原因是对于小的正方形块，不匹配率可能会增加。02.4在源图像和目标图像之间进行分段区域匹配0计算特征向量后，选择代表灰度图像中的片段的正方形块。计算其特征向量与其他代表颜色图像正方形块的特征向量之间的距离。设q是查询灰度块的特征向量，M是参考颜色块的特征向量。查询模板图像q与之间的距离测度如下所示0具有最小距离的彩色块灰色段的匹配。02.5上色0在找到来自颜色方块的灰色段的匹配之后，该颜色方块用于对图像的整个灰色段进行上色。根据Welsh建议的均值和标准差转移颜色[2]。对于大小超过15的所有灰色段，重复此过程。这将使图像中留下一些小的灰色段。使用优化[3]确定这些灰色区域的颜色。所有上色的像素都被视为已知变量（涂鸦），剩余的灰色像素被视为未知变量。将图像转换为YUV颜色空间。设r为中心像素，s为其邻居。如果它们的强度（Y）相似，则对邻近像素施加约束，使其颜色相似。0其中is affinity function表示相似强度的相似度。0如果像素r的颜色即U（r）已知，则其邻居s的颜色值U（s）将是的加权平均值。类似地，可以确定YUV颜色空间的V通道。现在剩下的图像已经完全上色。03.结果0M0q f q f D 4. 998. 0266 Zahid Ali和S.A.M. Gilani/ AASRI Procedia 4（2013）261-2670与th补0技纹0R0[1]Com[2]AC[3]694, [4]Ren[5]Bav[6]FOR[7]and0图fr0拟议的应用0尽管有些小的扰，但无需用干预即可实现0结论0一种新颖的技术。imaure匹配a0参考文献0ReinhardE，A计算机图Welsh T，Ash0M SIGGRAPH’0A. Levin，D.2004. R.0dering（2005）。Xiaodi Hou 0aria，German0YaoXiang1，NATUAL IKingsbury，Nenhancement0g 2.第一行显示了m拟议的0该方法应用于人交互。在经过处后，产生了一些影（这是为了处伪影产生的）。0d automatedage processinand segment0Ashikhmin M andApplicahikhmin M an’02 , San AntLischinski an0Cohen-Or1，0Liqing Zhang.北京邹1，HIMAGES”ICN.G.双0Proc. Europ0ws示例颜色逼近。它要求0lied on imageFor Irony asmall patchee similar ima0上色技术被用于对颜色进行上色0，Gooch B. etations，pp：34 nd Mueller Knio，USA，ppd Y. Weiss. “0和D. Lischin0“Color Conc0王辉2，HCIP-2008 IEEl树复0r image and targnoted no segmen0被分割的区域用的是lan方法0s left unmatce has been su0实现此目标的过程。0al . “Color t40, 2001.“Transferri: 277-280, 2Colorization0冯斯基2 “彩色0eptualization ”0李泽宏，张恩贤ex小波处理会议0et gray image. Ined image has to 0标志性论文图像必须引入hed）被应用0or example iThe process 0两者之间的转0g Color toGre 02. usingoptimiza0由Exa组织0MM'07，Sep0ng Xie1 “M0ransform: a nef.，pp319-3220底行首先提供0s of Irony. Sio supply whiduced somet0图像是处理可以提高的0图像”。IEEE0灰度图像0ation”， ACM0例子”，Euro09月23-28日0多源0新的高效方法Spetempber 10图像是一个例子像的结果0类似的结果是来威尔士使用的me，但具有优势0提出的。通融入0EE交易0“。在会议0Trans. Graph0图形学研讨会02007年8月8日，奥格斯0彩色传输0图像的工具0Irony等人的结果任何用户端的结果0通过使用样本获得了改进的效果。没有任何缺点0最先进的或更好地整合0对于0关于0, pp: 689-0关于0堡0传输0恢复0和第二个结果的动。0是0267 Zahid Ali和S.A.M. Gilani / AASRI Procedia 4 ( 2013 ) 261 – 2670[8] Y. Deng和B. S.Manjunath，“无监督的图像和视频中的颜色纹理区域分割”，IEEE模式分析与机器智能交易，卷23，号8，页800-810，2001年8月。[9] Y. Deng，S.Kenney，M.S.Moore和B.S.Manjunath，“对等组过滤和感知颜色图像量化”，IEEE国际电路与系统VLSI研讨会（ISCAS'99），奥兰多，FL，卷4，页21-4，1999年6月De Silva, D. V.S.等，“自适应锐化3D电视深度图”，电子信函46.23（2010年）：1546-1548。
