在动漫产品的表现形式中,二维动漫比三维动漫具有更强的表现力。二维动漫线稿的绘制、清线、上色耗时耗力,如果能够实现动漫线稿的自动上色以及辅助绘制,就会显著提高二维动漫制作的效率、降低制作成本。动漫角色上色主要是为区域设置连贯颜色,而阴影光照等特效通过后期合成。对此本文提出了一种基于参考图像的半自动线稿图像连贯颜色着色方法。该方法首先通过区域匹配得到一维区域匹配关系,再通过参考图像区域邻接关系得到二维区域匹配关系,同时通过求解混合整数二次规划优化匹配结果。引入主动学习框架,每次迭代提供最佳标记区域来不断更新模型参数,最终实现线稿图像高精度上色。实验结果表明,半自动线稿上色方法结果与参考图像在一致性方面优于基于深度学习的线稿上色方法。此外,该区域匹配框架还可以应用于颜色迁移等工作。本文同时提出了一种深度网络架构实现指定参考图像下动漫线稿视频的自动上色。依据给定的多张关键帧参考图像实现同一视频镜头中剩余线稿图像上色,包括前景人物与背景,阴影光照的合成。该框架主要由颜色转换网络与时序约束网络两个子网络构成。颜色转换网络利用网络提取目标线稿图像与参考线稿图像高维特征,并得到局部匹配关系,再利用网络提取的全局颜色风格描述向量获得自适应实例规范化参数实现全局上色控制,通过局部与全局控制实现最终线稿上色。时序约束网络是一个3D卷积生成对抗网络,将参考图像与颜色转换网络的输出一起送入该网络,保证目标上色结果与参考图像的时序一致性。此外,本文的模型在处理一种新风格的动漫线稿视频上色时,只需少量的样本微调网络参数就可以获得很好的着色效果。为了评估本文的方法,构建了一个线稿视频着色数据集。实验结果表明,本文方法在线稿图像视频上色效果上优于现有上色方法。本文引入条件序列生成模型依据用户输入的线稿图像,输出补全后的线稿图像。对齐输出后的线稿图像,并加权后以阴影的形式显示,帮助用户实现线稿的快速绘制。