探索和编辑图像中的颜色是视觉信息处理、平面设计和摄影后期制作中的一项常见的任务。在数字图像编辑中,图像是由图层组成的,这些图层提供了一种交互式的、直观的方式来处理各种颜色,使得图像编辑操作变得更加容易。因此,对于给定的图像,得到一组有意义的图层是至关重要的,但是如何得到高质量的分层结果是一个具有挑战的问题。本论文的研究目的主要是将图像分解成一组有意义的图层,将其用于后续的图像编辑。论文设计了一种基于光照不敏感和结构感知的图像颜色层分解算法。论文的工作遵循图像层分解的基本定义,一个颜色图层被定义为一个均匀的颜色段,而一个特定的图像的所有分解的图层可以通过线性叠加模式混合在一起,重构出给定的图像。图层叠加的表示形式有很多种,论文设计的基于颜色的图像层分解方法基于常用的加色混合模型进行实现。此工作主要解决了两方面的问题。首先,为了减少非均匀光照对颜色感知的影响,论文使用本征图像分解得到的反射图替代原始图像,在反射分量上进行后续的图像颜色层分解,该策略在一定程度上减轻了不均匀的光照对图像颜色层分解的影响。然后,为了获得更加精细的图层,论文中利用了图像特定的结构信息,将结构感知的先验知识融入分解过程中,最小化该能量函数。论文所设计的优化方程同时考虑了图像的颜色保真度、结构感知的先验知识以及权重向量的允许范围等信息。基于上述的图像颜色层分解算法,论文引入了图像语义分割技术,设计了语义分层方法。该方法能针对图像中颜色相似、语义不同的区域进行有针对性的局部图像分层处理,方便后续的图像局部区域的编辑,实现了语义分层。论文对上述两个工作从定性评估和定量评估两个方面进行实验验证。实验结果表明,相对现有的几种先进方法来说,论文中提出的图像语义颜色层分解方法在图层的颜色质量、平滑过渡和结构信息保持方面有更好的表现,并且能够得到更为精细的图层及更加自然的重新着色外观。除此之外,针对图像中颜色相似、语义不同的区域进行编辑时,整体有更好的编辑效果。