灰度图像颜色重建是图像处理和模式识别领域中一个活跃且具挑战性的研究课题和重要分支,近年来受到越来越多研究人员的广泛关注。目前,灰度图像颜色重建已成为黑白照片的着色、历史遗留照片和影像的上色、医疗、太空探索等众多应用领域中最受欢迎的技术之一。因此,对灰度图像颜色重建方法进行广泛深入研究具有非常重要的现实意义。随着压缩感知理论的发展,基于稀疏表示的灰度图像颜色重建方法以其简便、快捷、高效、精确、真实及完全自动化等着色优势成为诸多研究者关注的热点。尽管基于稀疏表示理论的灰度图像颜色复原方法已取得一定进展,但仍存在以下问题:1、单一字典无法反映不同图像块之间的差异性、包含图像的多种内容信息,导致错误着色现象;2、忽略图像自身拥有的非局部自相似性导致重建图像中产生一定程度的人工分块效应;3、忽略重建误差造成着色效果不令人满意。本文首先对灰度图像颜色恢复的相关算法以及稀疏表示的相关理论进行研究与探索。在此基础上,针对已有的基于稀疏表示的灰色图像颜色重建方法中的不足,对其相关改进算法展开深入研究。本文的主要工作概括如下:(1)提出一种基于分类和非局部稀疏编码的颜色重建算法。针对传统颜色重建算法中单一字典适用性低导致重建效果不理想的问题,利用方差和熵将图像块分类,增强字典的适用性。其次,针对颜色重建过程中一定程度人工分块效应的问题,利用非局部稀疏编码对稀疏系数进行改进,有效避免分块现象,进而提高颜色重建效果。(2)提出一种基于K均值分类和残差补偿的颜色重建方法。针对已有方法中单一字典无法反映不同图像块之间的差异性导致着色不合理的问题,分别利用K均值算法和最小形心距方法将参考图像块和待重建图像块自适应地分成K类。其次,针对重建过程中的误差导致重建效果不尽人意,利用残差补偿对重建结果进行修正,有效地减少误差,使重建彩色图像更符合人类主观视觉要求。