图像颜色复原,主要是给灰度图像或者黑白图像添加色彩的处理过程。颜色复原后的图像既要保持灰度图像的形状信息,又要具有合理的色彩信息。颜色复原技术增加了图像处理的艺术性和多样性,已经广泛应用于图像编辑、文物保护、电影制作、虚拟现实等领域。当前图像颜色复原的研究主要分为两大类：交互式颜色复原算法和基于相似图像的颜色复原算法。本文首先研究了图像颜色复原的国内外研究现状,分析了几种典型颜色复原算法的优点与不足。然后,着重研究基于相似图像的颜色复原算法,这里的相似图像都是跟目标图像相似的。这些算法的主要问题是：第一,颜色复原过程中参数设置多数是经验值,导致算法适用性不高；第二,相似图像的选取问题,现存的算法都是人为选取,即带入了人的主观影响,也增加了人工参与量。针对传统颜色复原算法存在的问题,提出一种带学习框架的基于分类学习的灰度图像颜色复原的方法。用户需要提供一张与目标图像语义相似的参照图像,我们从这些图像中提取超像素级的特征,并且利用这些特征,建立超像素匹配函数引导着色过程。我们提取目标图像的灰度共生矩阵属性,对图像进行分类,对每一类,我们学习得到不同参数的超像素匹配函数。不仅可以提高超像素匹配准确度,也使我们的方法更有普适性。本文还利用超像素邻域空间结合性修正明显的错误的颜色匹配。为了自动获取相似的相似图像,减少在图像颜色复原过程中的人工开销,根据灰度图像自身去检索相似图像,本文还对图像检索算法进行研究,重点分析了基于词汇树的图像检索方法。本文在现有方法的基础上,加入了灰度共生矩阵属性,对图像库图像分类,再在分类中建立词汇树,这样在提高图像检索相似度的同时,也减少了检索时间。最后,本文设计了结合图像检索的颜色自动化复原系统。