图像色彩重建及增强作为图像处理领域的两个重要研究方向,受到学者们的广泛关注,其中通过灰度图像进行自动色彩重建是一个具有挑战性的研究课题。针对上述问题,本文提出以下算法:在第三章,提出了一种新的基于深度引导的加权非局部拉普拉斯算法用于图像色彩重建。与传统的非局部加权拉普拉斯方法相比,该算法结合图像的亮度信息和深度信息提出了一种新的权重函数,并将非局部加权拉普拉斯滤波器应用于RGB图像的每一个颜色通道,利用其深度相似性有效增强了颜色的一致性。此外,本文所提出的方法可以很轻易地扩展到图像深度增强的任务,该算法在色彩通道的指导下,性能得到了显著提高。大量实验表明,该方法优于传统的加权非局部拉普拉斯算法。在第四章,提出了一种基于实例的局部一致性稀疏表示的图像色彩重建算法。该算法在超像素级别进行操作,对每个超像素提取低级强度特征、中级纹理特征和高级语义特征,并将它们连接起来形成其描述符,来自参考图像的所有超像素的特征向量的集合则构成字典。本文将目标超像素的着色理解为基于字典的稀疏重构问题,并进一步在能量公式中引入了一致性正则化项,以增强局部性和匹配一致性。最后,利用亮度引导的联合滤波器,完成色彩的光滑传播,并保持图像精确的边缘结构,进一步提升了色彩一致性。大量实验结果证实了本文算法的有效性。