图像着色技术是一种常见的图像处理技术,被广泛地应用于不同领域的生产和研究中。在医学邻域,医学图像大多都呈现为灰度图像,医学图像彩色化技术能突出组织器官,方便医生和患者更好地观察医学图像中的生理学信息。传统医学图像着色算法会损失图像内容从而影响医生诊断,并且没有结合图像深度抽象特征使彩色医学图像中的组织信息不能被清楚的展示,因此本文提出基于深度神经网络和颜色迁移算法来保持图像内容并突出或还原组织信息。在自然图像处理领域中,自然图像场景内容丰富,很难挑选出具有相同内容对象的参考图像,通过选取多张参考图像来放松选择条件,能提高算法的灵活性和适应性,因此本文提出基于多参考图像的自然图像着色算法。本文图像着色算法研究工作如下:1.针对传统的医学图像着色算法仅用浅层手工特征以及着色结果会损失内容信息等问题,本文结合深度神经网络和颜色迁移算法将深度抽象特征融入彩色图像中,充分展示图像内容信息。着色过程中通过内容损失保持图像彩色化时细节不变,为彩色医学图像用于医学研究和诊断提供保障。在多种模态的数据集上进行实验,通过主观和客观评价验证了算法的可行性和有效性。2.针对参考图像挑选困难的问题,本文采用多参考技术放松参考图像挑选条件。首先选择多张参考图像,将目标图像和参考图像输入语义分割网络得到语义分割编码,修剪影响彩色化结果的小区域标签,然后使用词嵌入模型对目标对象和参考对象进行语义匹配,最后将匹配结果输入改进后的着色算法进行灰度图像着色和后处理,大量的实验结果验证了多参考技术的有效性。3.分别设计并实现了对医学和自然图像颜色感知的仿真系统。用户可以根据不同的图像类型选择不同的颜色感知系统,系统实现了对超参数的调节和对参考图像的挑选功能,增加其灵活性。用户将需要着色的医学图像或自然图像导入系统中,调节系统参数并运行,着色后图像将显示在系统界面上。