买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉黑龙江大学申请的专利一种基于颜色迁移模型的图片仿色方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118967536B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410922405.4，技术领域涉及：G06T5/90；该发明授权一种基于颜色迁移模型的图片仿色方法是由王昊;许凯航设计研发完成，并于2024-07-10向国家知识产权局提交的专利申请。

本一种基于颜色迁移模型的图片仿色方法在说明书摘要公布了：本发明公开了一种基于颜色迁移模型的图片仿色方法，属于颜色迁移的领域；其中的颜色迁移模型采用有监督学习技术，由基于编码器‑解码器结构的图片颜色迁移模块和基于特征提取的颜色调整参数预测模块组成，模型接受具有自然色彩的原始图片和具有风格化色调的参考图片作为输入，经过神经网络的计算后模型可以在保持源图像的纹理结构特征不变的同时将参考图像的颜色特征应用于源图像，本发明采用上述方法，将仿色过程中图片的颜色变化情况解析为直观清楚的参数信息，通过直观的参数信息，有效解决对图片的仿色需求，并能将该方法封装到相应的调色程序中，实现快速仿色，进而实现将原图像的颜色调整与参考图片类似。

本发明授权一种基于颜色迁移模型的图片仿色方法在权利要求书中公布了：1.一种基于颜色迁移模型的图片仿色方法，其特征在于，包括以下步骤： 步骤一：建立颜色迁移模型，包括颜色迁移模块和颜色调整参数预测模块并对颜色迁移模型进行训练，训练过程如下： 对于一组颜色迁移任务，在保证源图片Snatural不变的情况下，选用具有同样风格化色调的不同图片作为参考图片输入，公式如下： 通过构建的损失函数约束颜色特征数据之间的差异，在迭代过程中反向传播调整网络参数，增加对于相近色彩风格的参考图片时颜色提取的稳定性，该损失函数的计算方法如下所示： 其中N表示源图片批量样本总数，D表示参考图片集合的大小，表示第i个源图片样本以图片j作为参考图片时全连接层提取的向量，表示两个特征向量的L1损失； 其中颜色迁移模块包括颜色特征提取网络和颜色特征融合网络，其中颜色特征提取网络中设置有编码器网络，颜色特征融合网络中设置有解码器网络； 颜色特征提取网络中包括编码器S和编码器C，其中编码器S以源图片和参考图片维度连接后的数据作为输入，提取参考图片到源图像的颜色特征和结构特征，编码器C将源图片数据作为输入，提取源图像的结构特征信息； 编码器S和编码器C均具有五层结构，每一层都通过两次连续卷积提取图像的特征信息，其中后四层是结合了低通滤波技术和最大池化技术构建的下采样层，编码器S和编码器C中进行第三次最大池化之前，将得到的特征图输入卷积注意力模块CBAM进行处理，对于尺寸为H×W×32的输入特征图，经过编码器处理后尺寸将变为H16×W16×256，其中两个编码器在相同层计算的特征图数据会进行拼接，拼接后的特征图将会被传递到颜色特征融合网络中，使用结合了归一化技术的EvoNorm‑S0作为两个编码器的激活函数，其公式如下： 其中，x代表输入的特征图，σv1x是Swish激活函数，其中v1是一个可训练的超参数，用来计算特征图x在分组g中的标准差，其中w表示特征图宽度，h表示特征图高度，c表示特征图通道数，γ和β分别是缩放参数和平移参数； 颜色特征融合网络包括解码器D和一个具有tanh激活函数的最终卷积层，解码器D一共为五层，解码器D的前四层设置为上采样层，第五层与前四层相比去掉了上采样操作，保留两次连续的卷积，上采样层通过转置卷积和自定义的低通滤波器实现，其权重设置如下，其中p和q分别是滤波核在两个维度上的位置索引： 解码器D通过上采样层恢复图片的大小，提高图片的分辨率，在上采样的过程中利用跳跃连接结合特征图数据G＝{G1,G2,G3,G4,G5}，其中G1至G5分别是编码器C和编码器S在第1层至第5层拼接得到的特征图，这些特征图包含着不同层次的图片颜色信息与图片结构信息，再经过解码器D后接续的最终卷积层，使用Tanh将特征图的通道数量恢复为3，生成颜色迁移结果图片一其中颜色调整参数预测模块中设置有全连接层网络，颜色调整参数预测模块通过全连接线性层L组成，全连接线性层L的输入数据是编码器S提取的高维特征数据，线性层L的最后一个全连接层使用Tanh作为激活函数，将特征数据映射为具有55个维度的向量； 步骤二：构建大规模具有Ground‑truth的标注图片数据集，该数据集中包括自然色彩的源图片集、包含颜色调整参数的颜色编辑文件集以及根据颜色编辑文件调整自然色彩的源图片后得到的具有风格化色调的参考图片集，在标注图片数据集中，选取自然色彩的源图片和具有风格化色调的参考图片，将源图片和参考图片进行维度连接后，输入到训练好的颜色迁移模型中； 步骤三：使用颜色特征提取网络对源图片和参考图片的纹理结构和颜色风格特征进行提取，提取到包含颜色特征和结构特征的高维特征图一； 使用颜色特征提取网络对参考图片的颜色风格特征进行提取，提取到包含颜色特征的高维特征图二； 步骤四：将高维特征图一和高维特征图二在对应维度进行拼接得到融合特征图，通过颜色特征融合网络中的解码器网络将融合特征图的尺寸和维度进行恢复，得到颜色迁移结果图片一颜色调整参数预测模块中，使用全连接网络将高维特征图二映射为表示参考图片色调风格的颜色调整参数，生成颜色编辑文件，再将颜色编辑文件作用于源图片，得到颜色迁移结果图片二

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人黑龙江大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路74号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。