在艺术领域中,颜色搭配广泛的应用于各种艺术设计之中,例如图像、海报、服装和室内家居设计。其中,和谐的颜色搭配是设计受欢迎与否的决定性因素。尽管艺术家们从来没有停止过对颜色和谐的研究,但是现有的颜色和谐理论仅仅给出了有限的和谐的颜色组合,而不具备颜色和谐相关知识的普通人则无法快速选取和谐的配色应用到合适的场景之中。近年来,随着计算机性能的不断提升以及计算机视觉领域的飞速发展,人们开始利用计算机视觉的方法处理其他学科中悬而未决的问题。一方面,人们在网络中建立可供用户共享和谐配色的大型网站,用户可以参考已发布的配色方案,也可以上传符合自己审美的和谐配色;另一方面,人们在这些网站中收集数据建立数据集,并在此基础上利用机器学习的方法建立预测颜色和谐程度的模型,将颜色和谐这一模糊的概念量化为一种直观的标准。但是现有的方法存在两个主要的问题。一是从数据集中设置的颜色特征没有体现用户对不同颜色的偏好;二是在模型中需要考虑不同用户的美学偏好对于颜色和谐的影响。针对上述问题,本文开始对五色颜色主题的和谐度算法进行研究。主要贡献如下:本文提出了一种基于颜色对的颜色和谐评估方法用于准确评估颜色主题的和谐。它首先采用基于两层最大似然估计（MLE）的方法,通过对现有数据集的成对颜色偏好进行统计建模来对颜色和谐进行初步预测。然后通过反向传播神经网络（back-propagation neural network,BPNN）对初步预测结果进行细化,在不同的颜色空间中提取各种颜色特征,最终得到准确的和谐度估计。为了考虑不同用户的美学偏好对于颜色和谐的影响,本文提出了一种基于众包的颜色和谐估计模型。通过在BPNN的隐藏层和输出层之间建立概率模型,获取不同用户审美认知的分布参数,并应用到BPNN的训练中获得和谐度估计。通过这个颜色和谐估计模型,我们试图揭示不同的用户的审美认知与颜色和谐之间的关系。本文希望通过对五色颜色主题的和谐度算法展开研究,能够推进相关研究领域的发展,例如快速评估一幅图像的颜色和谐程度,以及根据用户的不同需求,在服装、家居、3D模型等场景下的一键换色。