颜色名称是人类接触颜色的语言标签。用机器模拟人类感知系统来识别颜色,并通过颜色名称进行标注,有助于识别确定物体的颜色。颜色命名算法有许多实际应用,例如:使用颜色命名算法结合基于内容的检索方式使对颜色检索的结果更具体、更准确、更接近人类的判别方式。颜色命名算法是颜色识别过程的基础,颜色命名算法的正确性直接影响到后续的颜色标注和基于颜色的处理过程的结果。不同的光照条件和对学习数据集的选择都会对颜色命名算法的命名结果造成很大的影响。通过对流行的颜色命名算法进行研究发现一些人为因素和外界因素有可能导致命名结果出现误差,为避免或减小这些因素的影响,给出了一种自动化实现的颜色命名算法——在不同光照条件下的颜色命名算法。首先研究了颜色命名的基本理论和一些经典的颜色命名的算法,对各个算法的优缺点进行比较和说明。其次根据比较分析结果给出不同光照条件下的颜色命名算法,该算法运用颜色恒常算法对颜色数据集中的图像进行预处理。同时还引入了图像分割技术,用以生成颜色训练集的颜色区域,使算法学习到的颜色信息更加准确,学习过程更具有针对性。通过实验验证,这种颜色命名算法具有可行性和有效性。最后给出了算法的详细实现步骤以及算法流程图,针对不同光照的情况进行了实验,并对实验数据结果进行了客观地分析与说明,与现有算法进行比较和总结,最终给出了试验结果的颜色命名效果图。通过实验比较表明,在不同光照条件下,本文给出的颜色命名算法能较好地进行图像色彩还原,减少了由于光照的不同而对图像色彩造成的影响,使颜色命名算法在光照不同的情况下误差率降低,得到较好颜色命名效果。