颜色科学领域随着科学技术的发展和人们生活水平的提高而不断拓展,如何准确预测人眼视觉感知的颜色,是颜色科学致力解决的问题。明度作为颜色的三属性之一,是颜色科学的一个重要研究内容。本课题主要研究内容为明度预测模型的评价及优化。包括客观评价现有明度预测模型的预测准确性,找出最优明度预测模型；构建新的彩色图像去色算法,将最优的明度预测模型运用于彩色图像去色算法中以及建立白发光颜色明度数据集。本文首先评价Wyszecki、Nayatani、Fairchild提出的三类明度预测公式和Nayatani、 Hunt、CIECAM97s、CIECAM02四种色貌模型中的明度预测模型预测准确性,得出较优明度预测模型。通过客观的数据分析发现明度预测公式的预测准确性高于色貌模型,其中Fairchild提出的第三种预测模型最能准确预测人眼的明度感觉,但在亮调区域,尤其是亮调的黄、品、蓝色相上预测效果不佳。为了将研究结果与实践结合,本文将较优的明度预测模型中的明度算法运用于彩色图像去色算法中。常用的彩色图像去色方法是直接丢掉图像的彩色信息,仅保留物理明度值,本文将保留的物理明度值更改为Fairchild提出的第三种明度预测模型的预测明度值,发现这种去色方法对亮调与过饱和颜色的去色效果不理想,而对亮调与中间调去色效果优于传统的图像去色方法。由于自发光颜色在日常生活中的比重的不断增加,本课题还研究建立自发光颜色明度数据集,通过VAC明度视觉匹配法,获取与彩色色块相匹配的非彩色色块明度值,处理实验数据,去除粗大误差,得到自发光颜色的明度数据集,分析获取的数据集发现,自发光颜色中H-K效应最强的颜色为蓝色,最弱的为黄色。本课题深入研究彩色色块的明度预测,为明度预测模型甚至色貌模型的发展起到一定的促进作用。