图像色彩迁移技术,就是根据参考图像的色彩信息对输入图像进行色彩变换的处理,处理过后的输出图像具有与输入图像相同的语义内容,同时也具有参考图像的色彩风格。色彩迁移处理过程中,输入图像的内容与参考图像色彩的最终匹配结果将影响输出图像的视觉效果。色彩迁移技术使图像处理更具艺术性,为图像处理提供了新的思路,技术已被广泛应用于图像编辑以及虚拟现实等多个领域。本文针对现阶段国内外色彩迁移研究现状做了详细分析,通过对前人算法论证,分析了其算法的优势与不足。介绍了基于全局色彩迁移、局部色彩迁移以及通过深度学习进行色彩迁移的几种典型算法,重点对Gatys等人的基于神经网络色彩迁移算法理论进行了研究。针对传统色彩迁移算法的不足,本文提出了一种可以保存输入图像语义结构的色彩迁移算法。为了进一步优化色彩迁移处理,使色彩迁移更加准确,则需要加强图像之间语义信息的联系,因此,本文应用了优化过后的神经网络VGG-19进行色彩匹配,使图像间语义信息联系更加紧密。除此之外,色彩迁移应保持空间多样性和全局一致性。因此,提出了区域线性优化算法模型,算法完善了在色彩迁移过程中区域迁移方式和全局迁移方式各自所存在的局限。此外,算法同时可以优化色彩匹配过程和色彩迁移过程。算法采用了从粗到细的策略,即从“点对点”方式转化到“点对面”的方式,进一步解决了图像之间在色彩迁移过程中像素匹配不准确的问题,通过对大量图像的测试,进一步验证了算法具有色彩迁移中颜色匹配更加准确的优点。同时,针对色彩迁移在图像处理过程中由于参考图像单一而导致色彩信息不丰富或者不完整的问题,本文提出了一种多参考图像的色彩迁移算法,通过增加参考图像来提高参考色彩信息的完整性,最后,完成对参考图像的重构。经过优化过后,本文的色彩迁移模型的图像处理水平有了明显增强,输出图像视觉效果显著提高。