壁画是人类历史上最重要的文化遗存之一。这些壁画真实反映了宗教、文化、艺术、人文、社会生活、自然形态等多方面的重要信息,具有极其重要的保护和研究价值。然而,经历数百上千年的岁月磨砺和人为影响,众多珍贵壁画上斑斓的色彩早已褪去。壁画的褪色变色问题严重影响了壁画图像研究工作的开展。近年来,基于图像处理技术的壁画图像色彩虚拟还原逐渐成为壁画图像虚拟修复领域的一个研究热点。图像色彩虚拟还原是将存在色彩退化的图像通过一系列还原处理还原成未退化之前状态。基于深度学习的方法是当前图像色彩虚拟还原研究的重要方向。本文在基于卷积神经网络的图像色彩虚拟还原方法的基础上,以壁画图像为对象,针对壁画图像色彩虚拟还原方法展开研究。具体如下:1.提出了基于多重约束卷积神经网络的壁画图像色彩虚拟还原方法。针对基于传统数理统计信息的色彩还原方法对于颜色种类繁多的壁画图像还原效果较差,可能导致色彩还原后的壁画图像部分色彩未还原或存在假色和伪影的问题,本文采用卷积神经网络提取壁画图像的高阶特征;利用最大均值差异约束建立全局特征映射关系,提取壁画图像的颜色特征并保留全局位置信息;借助马尔可夫随机场约束对壁画图像进行空间布局限制,保留壁画图像中的局部色彩和结构信息。该方法能够充分地利用壁画图像的色彩信息,解决提取单一色彩特征存在的颜色信息缺失问题,提高色彩还原的精度。实验分析显示,本文方法对于壁画褪变色区域的色彩还原效果较好,可以较好地克服色彩的过渡失真,提高壁画图像色彩虚拟还原的质量。2.提出了结合语义分割与卷积神经网络的壁画图像色彩虚拟还原方法。针对壁画图像中存在众多纹理、颜色以及结构等非局部自相似的图像块的特点,以及壁画图像色彩还原区域容易出现色彩不匹配和位置细节还原效果差的问题,本文提出结合语义分割的壁画图像色彩还原方法。利用基于膨胀卷积神经网络的语义分割技术对壁画图像的局部像素块进行语义分割,使得壁画图像在色彩还原过程中,避免出现色彩还原区域内容不匹配的问题;利用卷积神经网络对分割后的结果进行特征提取,提高色彩还原的准确度;通过平方梯度约束抑制壁画图像色彩还原期间的噪声。经过对壁画图像的实验分析,显示本文方法可以有效提高壁画图像色彩虚拟还原的准确度,提升壁画图像色彩还原的保真度。