基于生成对抗网络的图像着色技术的研究

岳 杰 兰胜杰 江柏霖

(河北建筑工程学院，河北 张家口 075300)

1 引 言

近年深度学习在图像识别和图像分类管理以及图像处理技术方面风靡一时，神经网络的使用远远大于传统算法，而使用深度学习神经网络对黑白和灰度图像以及老照片的色彩恢复也成为热点研究之一.目前手工上色黑白图像需要花费很大的时间和人力成本，并且上色的效率和上色的效果不是很高，然而借用神经网络上色可以对黑白和灰度图像以及老照片进行批量处理着色，在节约时间人力成本的同时也提高了黑白图像的可塑性以及上色后的视觉冲击力.本文的实验技术基于14年提出的GAN模型[1]对黑白和灰度图像进行着色处理，该模型主要包括发生器G(Generator)和鉴别器D(Discriminator)两个主要部分，其中G的常见结构也看作一种特殊的卷积操作，即转置卷积，生成器的目的是用来拿到图像的特征分布内容，生成图像，通过可学习方式使特征图增大.D的结构是卷积神经网络，变相可以当作一个二分类器，区分输出图像的真假，损失数值.在输出端给出判别概率.该模型的核心就是这两部分主体互相对抗、互相优化然后互相再对抗[2]，G产生图像欺骗判别器D，而判别器去对该图像进行判断真假，如果判断成功则G优化，以此迭代互相优化，达到动态平衡，直到整个模型可以输出与原始数据相差不多的图像.

本文根据GAN的网络特点优化超参数、网络结构以及激活函数等，将彩色图片……