在绘画创作中,着色往往是最花费时间的步骤之一。传统的灰度图像着色方法,通过灰度图像中包含的灰度区域连续性特征,对图像中灰度信息相同的区域进行区域分割进而达到着色的目的。然而,黑白线稿图像只存在图像轮廓线条,不具备灰度区域信息,针对灰度图像的颜色重建方法不能很好地适用于黑白线稿图像。在大数据驱动的深度学习技术越来越成熟的背景下,漫画线稿图像自动着色技术为动漫的快速高质量制作带来了新的机遇。本文针对漫画线稿图像着色过于复杂的问题,设计实现基于条件生成对抗网络的漫画线稿图像自动着色方法和用户引导的线稿图像辅助着色方法,简化漫画线稿图像着色过程。主要工作如下:(1)提出一种基于条件生成对抗网络的漫画线稿图像自动着色方法。为了解决提取线稿图像与真实线稿图像的差异性导致的模型自动着色效果不理想问题,使用结合预训练的局部特征提取网络的条件生成对抗网络,提高模型对真实线稿图像的泛化能力。其次,在生成器和判别器网络中使用Res Ne Xt模块增强模型的学习能力。实验结果表明,该方法相比Paints Chainer的Tanpopo、Satsuki和Canna自动着色方法能够取得更小的Frechet Inception距离得分,达到更好的着色效果。(2)提出一种基于用户色点笔触引导的漫画线稿图像辅助着色方法。针对漫画线稿图像自动着色方法合成结果着色效果单一,不能满足用户多样性要求的问题,更改生成器网络结构,在训练阶段,将模拟色点笔触图像作为生成器的条件输入,引导模型产生不同的着色效果。相比Paints Chainer的Tanpopo、Satsuki和Canna用户引导着色方法,该方法取得了更高的平均主观得分,并且更易于用户进行二次着色。(3)提出一种基于参照彩色图像的线稿图像辅助着色方法。针对已有方法不能有效利用已经存在的彩色图像问题,利用预训练的视觉几何组网络模型提取参照彩色图像的颜色分布特征引导模型进行着色。并且设计使用SE-Res Ne Xt子模块,自动学习不同通道间特征关系,利用颜色分布特征提高线稿图像着色效果。实验结果表明,该方法能够生成与参照彩色图像相同颜色风格的彩色化结果,并且取得良好的着色效果。