借助图像融合技术的图像彩色化
基于图像分割技术、图像分类技术的图像彩色化方法
基于人工着色的颜色扩展方法（偏微分方程将彩色化问题转化为最优解问题）
图像彩色化，顾名思义是指给图片中的每个单元重新赋予新的颜色。
早期的彩色化指的是对灰度图像的彩色化处理，从本质上来说，灰度图像彩色化就是把目标图像中的每个像素，用多维空间中的矢量（如色调、饱和度、亮度）来取代灰度值的亮度这一维标量的过程。
图像彩色化作为一种图像增强处理手段，目的在于提高图像彩色化的精确度、视觉效果以及图像分析时的精准应用。
图像彩色化的研究主要有基于参考图像的颜色传递方法和基于人工着色的局部颜色扩展方法。一般来说，基于参考图像的颜色传递方法首要采取图像处理方法，例如：借助图像融合技术的红外图像彩色化、基于图像分割技术、图像分类技术的图像彩色化方法；基于人工着色的局部颜色扩展方法主要依赖于偏微分方程将彩色化问题转化为最优解问题。
常见的图像彩色化方法不论是人工着色还是参考源图像的色彩迁移方法，其实现方法不外乎应用偏微分方程将彩色化处理转化为求解最优解、借助于图像融合技术、图像分类和分割等。
以峰值信噪比、均方误差、运行时间的大小等来衡量效果。
通常方法是通过对目标图像进行分割、分块对应着色，应用偏微分方程将彩色化问题转化为最优解问题，借助图像融合、图像分类分割、深度学习和稀疏字典等技术手段实现图像的彩色化。
1.基于偏微分方程的图像彩色化
基于偏微分方程的图像彩色化方法存在颜色越界、边界模糊的问题，多数情况下是结合人工着色，利用局部扩展的彩色化来实现图像的半自动彩色化。只要选择合适的参数和约束条件，就能达到人眼可见的较好的着色效果和较清晰的图像边界。
基于偏微分方程的彩色化方法把彩色化问题转换成求取最优解问题进行处理，相对来说比较简单易实现，计算复杂度较低，具有较好的实时性。
2.基于图像融合的图像彩色化
图像融合技术可以提取自然光图像和红外图像的互补信息，获得对同一场景描述解释更为准确、全面和可靠的图像。像素级融合是常用于灰度图像与可见光图像的融合。基于源图像的彩色化就是源图像和目标图像的融合过程，使其同时兼有源图像的颜色和目标图像的形状、纹理等特征信息，达到整体颜色基调和谐、真实。
影响图像融合的主要因素：图像庞大数据量的处理、融合规则的选择等。关于图像融合技术的应用研究，主要集中在夜视图像中微光图像和红外图像的彩色处理。
在解决特征信息比较丰富的图像的彩色化问题上，可以结合稀疏理论来进行融合处理，稀疏表示凭借其较好的系数表达能力，在图像修复、去噪、人脸识别等应用中谋得一席之地，通过构建合适的过完备基字典，采取正交追踪匹配算法对图像进行稀疏表示，不仅减少了很大一部分数据量的处理工作，还得到了亮度和细节信息较为丰富的彩色化图像，更易于人眼观察。 凭借图像融合提高了图像信息的利用率、对目标探测识别的可靠性及系统处理的自动化程度等优点。
利用图像融合技术，虽然可以有效避免色彩误传等问题，得到较为清楚、色彩鲜明的彩色化图像，但现有融合方法都是针对待融合图像的像素灰度需要进行综合性的分析与处理，这样庞大的数据量给图像融合带来很大的劣势；另一方面，借用融合技术得到的彩色化图像，更大程度上增强了人眼的视觉效果，但目前彩色化后的图像效果也没有统一的客观评价标准，因此该方法最明显的劣势就是很难找到一个客观评价数据标准来衡量该彩色化方法的效果，这也很大程度上局限了该方法的应用。该方法的后续相关研究可以减少融合数据量、提高融合效率为突破口，应用在对视觉要求比较高的场合，更方便后期的场景解释和目标识别、追踪等处理。
3.基于图像分割的图像彩色化
图像分割是从图像预处理到图像识别、理解的关键步骤。图像分割可以使原图像更容易、更清晰地表露出图像中的特征信息，从而达到更高层的图像识别、剖析和理解。利用图像分割技术来进行彩色化通常有一个明显的弊端就是分割结果对彩色化效果影响很大：分割的精度越高，分割区域越多，彩色化效果就越好。
基于图像分割：1.首先对目标和参考图像各个像素点进行特征提取、分类，再使用超像素分割与直方图统计相结合的方法对分类结果图像进行优化，最后转换到 HSV 色彩空间中进行对应的色彩传递。2.近年研究学者多是结合图像分类器来优化图像分割后的分类结果再进行彩色化处理，此方法可以更好地提高图像彩色化的处理速度以及视觉效果，减小分类不确切引起的色彩误传问题。
图像彩色化方法的未来研究可以有效地结合字典学习、稀疏表示的特点，也许能够更好地解决具有复杂的灰度图像彩色化问题。但此方法不能解决参考彩色图像的选择受用户的影响的问题，因此未来可以采取针对参考图像的选择实现自动客观化的算法。不论是人工着色还是参考源图像的色彩迁移方法，其实现方法多是通过对目标图像进行分割、分块对应着色，应用偏微分方程将彩色化问题转化为最优解问题，借助图像融合、图像分类分割、深度学习和稀疏字典等技术手段实现图像的彩色化。
相比其他图像处理技术，图像彩色化方法的种类相对单一，而且彩色化过程中，很难达到彩色化的实时性和人眼视觉效果的双重要求，后期的研究可根据应用场景和算法的特点来选择优化图像彩色化方法，例如在监控应用中，需进行人脸识别、目标跟踪定位等稍高精度的图像处理的应用场景，建议选择借助图像融合、结合深度学习和稀疏表示的彩色化处理手段。当图像增强彩色化处理应用在车载系统、实时监控等图像处理实时性较高的场景，建议选择基于图像分割的彩色化方法。当需要对图像内容的细节处理要求较高时，建议优先选择借助偏微分方程的彩色化方法。
参考文献：图像彩色化方法研究进展_马贺贺
