基于生成对抗网络的农民画灰度图像彩色化方法研究

作     者：夏广友 

作者单位：青海师范大学 

学位级别：硕士

导师姓名：彭春燕

授予年度：2022年

学科分类：1304[艺术学-美术学] 12[管理学] 13[艺术学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：青海农民画 灰度图像 生成对抗网络 彩色化 

摘      要：青海农民画兴起于20世纪70年代,是青海地区传统民间美术中特有的绘画种类,一些年代久远的资料文献和出版物中所记录的相关图像大多是灰度图像,不利于青海农民画的研究和数字化保护工作,因此利用灰度图像彩色化技术实现青海农民画灰度图像的彩色化十分必要。本文深入研究了生成对抗网络在青海农民画灰度图像彩色化中的应用。本文的主要工作如下:（1）构建青海农民画图像数据集。目前灰度图像彩色化方法主要针对的是自然图像,没有与青海农民画相关的图像数据集,因此本文对目前所采集的青海农民画图像进行后期处理,并提取图像的特征图案,经过标准处理和人工筛选,获得了9574张青海农民画相关图像用以构建满足网络模型训练需求的青海农民画图像数据集。（2）研究传统的灰度图像彩色化方法和传统的生成对抗网络模型,并分析各方法的优势和缺陷。传统的灰度图像彩色化方法需要进行繁琐的人工交互,彩色化效率低下,且在彩色化过程中存在图像边缘信息处理的能力不足和颜色渗漏的问题。传统生成对抗网络虽然能实现灰度图像的自动彩色化,但是存在图像特征信息的利用率不高和图像的细节信息处理能力不足的问题,导致使用传统的生成对抗网络实现的青海农民画灰度图像彩色化效果并不理想。（3）研究并改进Pix2Pix生成对抗网络模型。Pix2Pix生成对抗网络虽然在图像细节信息处理能力方面有所提升,并缓解了彩色化过程中出现的颜色渗漏问题,但是生成的彩色图像颜色对比度较低,导致生成图像在视觉效果上偏暗。针对以上问题,本文对Pix2Pix生成对抗网络进行改进,改用Leaky Re LU作为激活函数,并使用卷积层替换原生成网络的最大池化层,以保留更多的图像特征信息,改进后的网络能还原更多的图像颜色细节,并缓解了原网络存在的生成的彩色图像颜色对比度低的问题。实验结果表明,使用本文方法对青海农民画灰度图像进行彩色化能够得到更为理想、质量更高的青海农民画彩色图像。（4）设计并实现青海农民画灰度图像彩色化系统。根据系统的需求和功能分析,搭建青海农民画灰度图像彩色化系统,提供可视化界面完成青海农民画灰度图像的彩色化,并生成高质量的青海农民画彩色图像。