17、建筑日夜场景转换的高效算法解析

建筑日夜场景转换的高效算法解析

1. 相关工作

1.1 色彩转移研究概述

色彩转移是一个广泛的研究领域，涵盖了将颜色转移到灰度图像或彩色源图像的内容。早期的研究主要集中在灰度图像的着色上，依赖用户勾勒相似区域，让计算机填充不同颜色。近年来，基于学习的算法出现，通过从大量数据集中学习图像统计信息（像素分布）来实现灰度图像着色的自动化，这也进一步启发了将色度从一个图像转移到另一个具有相似图像统计信息的图像的方法。然而，除了色度，亮度也对图像外观有很大影响，因此有人提出了一种在彩色图像对之间同时转移亮度和色度的可行方法。我们的重点是改进和调整这种方法，以处理建筑渲染图的日夜场景转换。

1.2 图像特征提取

特征提取在机器学习中是一个经过深入研究的问题，它对图像处理中目标识别的准确性有很大影响，更好的目标识别有助于在处理的图像对之间实现更好的语义对应。例如，如果源图像 S 中的建筑物与参考图像 R 中的建筑物对应，天空与天空对应，道路与道路对应等，那么从 R 到 S 转移色度和亮度会更加准确和自然。

多年来积累了许多特征提取技术，如独立成分分析、核主成分分析和自动编码器等。为了提高效率和准确性，有人尝试应用预训练的深度学习模型 VGG19 来解决特征提取问题。VGG19 是一个卷积神经网络（CNN），在 ImageNet 数据库的超过一百万张图像上进行了训练，能够将图像分类为 1000 个目标类别。由于它学习了许多类别的目标特征，其权重和偏置可以转移到不同的数据上。通过将图像对输入到预训练模型进行目标识别，可以节省时间和计算资源，实现有效的特征提取。

应用 VGG19 到源图像 S 和参考图像 R 后，可以从不同层提取它