一种基于多维数据关联规则的微光图像彩色化方法技术

本发明专利技术公开了一种基于多维数据关联规则的微光图像彩色化方法。该方法步骤如下：微光图像多属性规则挖掘：首先利用相似场景中不同物体组成的样本库，基于SVM对微光图像进行分类，采用多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的亮度、颜色之间的强关联规则集，并引入类别标签元素，最终生成亮度‑类别‑颜色强关联规则集；基于规则映射的微光图像彩色化：提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集，映射生成每个像素所对应的R、G、B颜色分量，生成彩色图。本发明专利技术方法可以获得彩色化效果好、颜色还原度高的彩色图像，且该方法易于硬件转化、可以实现实时的彩色化效果。

A colorization method of micro optical image based on multidimensional data association rules

The invention discloses a colorization method of micro - light image based on multidimensional data association rules. The method comprises the following steps: image multi attribute rule mining: firstly, similar samples composed of different objects in the scene, SVM classification of LLL image based on Apriori optimization algorithm using multiple attribute constraint rules, mining strong association rules between brightness and color color image in the reference set, and introduces the category label elements finally, the brightness color categories generate strong association rules set; image color mapping rules based on pixel brightness: extraction of LLL image and the category, strong association rules mining based on the generation of the set, R, G, mapping B color components corresponding to each pixel, generate color map. The method can obtain color images with good colorization effect and high color reduction, and this method is easy to transform hardware and achieve real-time color effect.

【技术实现步骤摘要】
一种基于多维数据关联规则的微光图像彩色化方法
本专利技术属于夜视图像彩色化
，特别是一种基于多维数据关联规则的微光图像彩色化方法。
技术介绍
微光图像彩色化一直是夜视技术的研究热点。微光图像是光电器件成像的结果，通常为灰度图像，结合人眼对彩色图像具有更高的分辨率和敏感度的特点，微光图像彩色化可以提升人们对目标与场景信息的认知，无论在军事领域还是民用领域均具有非常重大的意义。目前，对灰度图像进行彩色化的方法主要有基于手工笔触的颜色扩散方法和基于参考彩色图像的颜色传递方法两类。基于“如果空间上相邻的像素亮度相似，那么其颜色也会比较相似”这个假设，Levin等提出的一种基于手工笔触的颜色扩散方法是这类彩色化方法中最具有代表性的一种，并且取得了比较好的效果。Welsh等提出了基于参考彩色图像的颜色传递方法，即利用亮度和纹理信息将参考彩色图像中的像素与目标灰度图像中的像素进行局部匹配，然后将颜色传递到与之最为相似的像素上。基于手工笔触的颜色扩散方法需要用户的手动输入，而且对用户的手动输入要求很高，一般需要反复操作多次才能获得理想的彩色化效果；基于参考彩色图像的颜色传递方法算法复杂，耗时较多，而且很难得到理想的彩色化效果。
技术实现思路
本专利技术的目的在于提供一种易于硬件转化、可实时完成染色，且色彩还原度高的基于多维数据关联规则的微光图像彩色化方法。实现本专利技术目的的技术解决方案为：一种基于多维数据关联规则的微光图像彩色化方法，步骤如下：步骤1，微光图像多属性规则挖掘：采用多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的亮度、颜色之间的强关联规则集，并引入类别标签元素，最终生成亮度-类别-颜色强关联规则集；步骤2，基于规则映射的微光图像彩色化：提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集，映射生成每个像素所对应的R、G、B颜色分量，生成彩色图。作为一种具体示例，步骤1所述微光图像多属性规则挖掘，具体如下：(1.1)找出所有与微光图像中物体相对应的参考彩色图像，分别对参考彩色图像进行分块处理，生成libsvm分类函数实现分类的训练样本BLOCK，给参考彩色图像中的每个物体BLOCK附上类别标签label’；并提取参考彩色图像相应的待选图像特征集{hog，均值，方差，同质性，熵}，通过观察分类效果，选择最合适的图像特征集T作为分类数据traindata，最后生成SVM分类器model；(1.2)在具有x个像素的不同参考彩色图像BLOCK中提取每个像素的亮度y和颜色分量R、G、B，建立对应的事务数据库database；(1.3)基于多属性规则约束的Apriori优化算法，实现像素彩色化的唯一性。作为一种具体示例，步骤2所述基于规则映射的微光图像彩色化，具体如下：(2.1)首先在微光图像中选择移动窗口，基于训练好的SVM分类器model对窗口内图像块进行分类，并将类别标签赋值给左上角像素，通过扩展图像边界，遍历整幅图像中的每一个像素，根据得到的微光图像中每个像素的类别标签以及对应的亮度值生成亮度-类别待映射集；(2.2)基于挖掘好的强关联规则集，待映射集将在已经挖掘好的强关联规则集中一一搜索映射，赋予对应的R、G、B颜色分量值，最后生成微光图像的彩色化效果。作为一种具体示例，步骤(1.3)所述基于多属性规则约束的Apriori优化算法，实现像素彩色化的唯一性，具体过程如下：1)算法参数设定和频繁项集的生成设定支持度s和置信度c，基于支持度参数，不断地通过连接、剪枝两个步骤，过滤掉无用的项集，生成频繁4-项项集；2)规则的约束和生成基于置信度参数，过滤掉置信度低于阈值参数c的无用的弱关联规则，挖掘生成待约束强关联规则集；再根据区间数和区间分布，分别确定亮度、颜色分量R、G、B所对应的区间，对待约束强关联规则集做进一步的约束，生成符合条件的亮度-颜色初始强关联规则集；3)类别属性规则挖掘在亮度-颜色初始强关联规则集中加入类别标签元素labeln’，生成各个参考彩色图像对应的亮度-类别-颜色强关联规则集(strongrulesset)n，再将所有不同的参考彩色图像对应的强关联规则集(strongrulesset)n组合在一起，生成最终的待映射强关联规则集strongrulesset。本专利技术与现有技术相比，其显著优点为：(1)易于硬件转化，可以实现实时性的彩色化过程：对目标微光图像进行彩色化时，只需对目标微光图像进行分类和颜色映射即可，大大缩短了彩色化的时间，因而可以实现彩色化的实时性；(2)彩色化效果好，十分接近真彩色：当亮度和颜色分量分成的区间数足够多时，将得到与原彩色基本相同的彩色化效果图。下面结合附图对本专利技术作进一步详细叙述。附图说明图1是本专利技术基于多维数据关联规则的微光图像彩色化方法的原理图。图2是本专利技术基于多维数据关联规则的微光图像彩色化方法中步骤一的流程图。图3是本专利技术方法各实验所用参考彩色图，其中(a)为本专利技术算法所用参考彩色图，(b)为welsh算法所采用的参考彩色图。图4是不同颜色区间数对应的彩色化效果图，其中(a)为目标彩色图，(b)为参考彩色图，(c)为20区间效果图，(d)为50区间效果图。图5是两种不同场景中的两幅不同角度单色图，其中(a)为第一个场景中的一种角度单色图，(b)为第一个场景中的另一种角度单色图，(c)为第二个场景中的一种角度单色图，(d)为第二个场景中的另一种角度单色图。图6是相似场景中的三幅不同照度条件下的目标微光图，其中(a)为第一照度条件下的目标微光图，(b)为第二照度条件下的目标微光图，(c)为第三照度条件下的目标微光图。具体实施方式本专利技术提出了一种基于关联规则的全新的、高效的、单通道微光图像彩色化方法。传统的双通道微光图像彩色化方法一般采用微光图像与红外图像融合的方法，其得到的是一种伪彩色效果，颜色失真严重；传统的单通道微光图像彩色化方法以基于手工笔触的颜色扩散方法和基于参考彩色图像的颜色传递方法为主，这些方法需要人为干预、算法复杂、彩色化效果不理想。本专利技术方法提出了一种微光图像彩色化的新方法，算法简单，彩色化效果好。步骤1、利用相似场景中不同物体组成的样本库，基于SVM对微光图像进行分类。本专利技术提出了一种多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的“亮度”、“颜色”之间的强关联规则集，并引入“类别标签”元素，最终生成“亮度-类别-颜色”强关联规则集。利用Apriori算法挖掘选定的微光图像中不同物体所对应的参考彩色图像中“亮度-颜色”强关联规则集。依次读取参考彩色图像中每个像素的亮度y和颜色分量R、G、B，将亮度、颜色分量进行区间化，组建Apriori关联规则挖掘算法对应的事务数据库，并用该算法进行关联规则挖掘。给微光图像中的不同物体附上类别标签，生成待搜索映射的“亮度-类别-颜色”强关联规则集。其特征在于，事先给微光图像中的每个物体附上不同的类别标签值，将类别标签值直接加入对应的“亮度-颜色”强关联规则的左侧，从而生成每个物体对应的强关联规则集，并将所有物体对应的强关联规则集组合在一起，生成一个最终的待搜索映射的“亮度-类别-颜色”强关联规则集。步骤2、提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集本文档来自技高网...

【技术保护点】
一种基于多维数据关联规则的微光图像彩色化方法，其特征在于，步骤如下：步骤1，微光图像多属性规则挖掘：采用多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的亮度、颜色之间的强关联规则集，并引入类别标签元素，最终生成亮度‑类别‑颜色强关联规则集；步骤2，基于规则映射的微光图像彩色化：提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集，映射生成每个像素所对应的R、G、B颜色分量，生成彩色图。

【技术特征摘要】
1.一种基于多维数据关联规则的微光图像彩色化方法，其特征在于，步骤如下：步骤1，微光图像多属性规则挖掘：采用多属性规则约束的Apriori优化算法，挖掘参考彩色图像中的亮度、颜色之间的强关联规则集，并引入类别标签元素，最终生成亮度-类别-颜色强关联规则集；步骤2，基于规则映射的微光图像彩色化：提取微光图像中像素的亮度以及所属类别，基于挖掘生成的强关联规则集，映射生成每个像素所对应的R、G、B颜色分量，生成彩色图。2.根据权利要求1所述的基于多维数据关联规则的微光图像彩色化方法，其特征在于，步骤1所述微光图像多属性规则挖掘，具体如下：(1.1)找出所有与微光图像中物体相对应的参考彩色图像，分别对参考彩色图像进行分块处理，生成libsvm分类函数实现分类的训练样本BLOCK，给参考彩色图像中的每个物体BLOCK附上类别标签label’；并提取参考彩色图像相应的待选图像特征集{hog，均值，方差，同质性，熵}，通过观察分类效果，选择最合适的图像特征集T作为分类数据traindata，最后生成SVM分类器model；(1.2)在具有x个像素的不同参考彩色图像BLOCK中提取每个像素的亮度y和颜色分量R、G、B，建立对应的事务数据库database；(1.3)基于多属性规则约束的Apriori优化算法，实现像素彩色化的唯一性。3.根据权利要求2所述的基于多维数据关联规则的微光图像彩色化方法，其特征在于，步骤2所述基于规则映射的微光图像彩色化，具体如下：(2.1)首先在微...

【专利技术属性】
技术研发人员：陈冬冬，张炜，韩静，柏连发，张毅，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32