随着信息多媒体时代的到来,互联网技术、数字媒体技术得到迅速发展,而图像、视频作为信息传播的重要载体,与人们的生活更是息息相关。相机、摄像机、手机、PC等多媒体设备的普及使得人们接触到越来越多的视频图像资源,对可视媒体的处理需求也变得越来越强烈。颜色编辑处理技术作为计算机视觉领域的研究热点之一,也越来越多地应用到了影视后期、互动娱乐、动画创造、遥感通信、医学影像等各个领域。虽然越来越多的研究学者着手于颜色处理技术的研究,但是在数字图像中仍然存在颜色不均匀、边界颜色混合、着色效率低下、颜色溢出等问题。随着深度学习的发展,深度神经网络(DNN)被广泛地应用于图像语义分类、目标物体检测、场景图像语义分割等任务且取得了突破性成绩,这是因为DNN的监督式端到端逐层特征自学习方式和展示出的强大的特征表达能力。由于在传统编辑传播算法中存在的一些难以解决的问题,人们开始使用神经网络对图像进行颜色编辑传播。为了提高图像颜色编辑的效率,提高颜色编辑的质量,本文基于单幅图像训练神经网络进行图像的颜色编辑,适用于具有各种复杂自然图像,并获得高质量、高效率的颜色编辑结果。本文研究工作主要包括以下几点:(1)利用欧几里得公式对图像进行预处理,将图像空间特征(坐标)转换为距离图,并与图像的视觉特征级联起来生成多通道图像,有效地结合图像的视觉特征和空间特征,并从多通道图像中获取足够数目的9×9大小的子块作为DNN网络的训练样本集。(2)构建一个新的神经网络,并将多通道图像子块作为神经网络的输入,自动抽取符合用户交互的深度特征并对深度神经网络进行端到端的训练,通过神经网络对图像特征之间的权值进行自动分配,解决传统方法需反复进行图像特征之间的权值的人工调整问题。(3)提出一种新的编辑传播方法,利用训练好的网络对图像进行区域分类,估计图像像素属于每类用户交互的概率值,得到图像区域的分类概率图。利用条件随机场对概率图进行后处理,能够有效的消除图像错误分类像素点的影响,进一步提高概率图的准确率;并对图像和交互颜色的灰度通道之间进行有效的匹配调整,从而获得高质量的颜色编辑结果。