摘要：在黑白电影的彩色化过程中，现有的自动彩色化模型往往会产生奇异的结果，而基于参考的彩色化方法要求用户指定参考图像，这对满足参考图像的高要求和耗费大量人力提出了重大挑战。为了解决这个问题，本文提出了一种多阶段的黑白电影智能色彩恢复算法（MSICRA）。首先，通过VGG19网络将电影分割成多个场景片段。其次，逐帧切割每个场景片段，并以每个帧图像的边缘强度和灰度差作为评估图像清晰度的标准，在每个场景中选择清晰度在0.95到1之间的图像。随后，我们从过滤后的图像中选择符合清晰度标准的第一帧，并应用不同的渲染因子值对所选图像进行着色。我们使用饱和度评估着色效果，并为着色选择合适的渲染因子。最后，我们使用预彩色图像和后彩色图像之间的均方误差来选择质量最佳的彩色图像作为场景分割的参考。实验结果表明，该算法对黑白电影《雷锋》和《永恒之波》分别提高了1.32%和2.15%的峰值信噪比，对SSIM分别提高了1.84%和1.04%。该算法不仅可以实现全自动着色，还可以生成符合人类感知的逼真颜色。

关键词： 深度学习， 自动着色， 场景分割， 清晰