1、圖像復雜度的研究在諸如目標自動識別、邊緣檢測、圖像壓縮、數(shù)字水印、圖像隱寫算法、圖像分類與檢索、認知心理學、計算機美學等領域得到了廣泛的應用。盡管如此，圖像復雜度并沒有一個統(tǒng)一的概念，不同的研究領域給予了圖像復雜度不同的定義和描述方法。
　　組成論[2]是一個用于研究描述客觀事物普遍規(guī)律的新的知識體系，它通過復雜度[2]的概念來反映研究對象內部組成的豐富程度。組成論的提出為復雜度問題的研究提供了一個新的思路。
　　本文從圖像

2、最直觀的顏色特征入手（包括顏色種類特征和顏色空間分布特征），結合組成論中提出的廣義集合、分布函數(shù)和復雜度的概念，分別定義了描述圖像顏色種類特征、圖像顏色空間分布特征的廣義集合，給出了圖像顏色種類特征復雜度和顏色空間分布特征復雜度的定義與求解方法。并且將這兩種顏色特征復雜度相結合，給出了一個求解圖像顏色特征復雜度的方法。
　　為了驗證本文提出的圖像顏色特征復雜度計算方法的可行性和有效性，分別在 RGB和 HSI色彩模型下構造并實現(xiàn)了

3、相應的計算圖像顏色特征復雜度的算法，并使用大量圖像對算法進行實驗驗證。實驗結果表明：(1)在RGB模型下以原始圖像為研究對象，得到的實驗圖像的顏色種類復雜度與人的視覺感受一致性較高，在一定程度上說明了顏色種類復雜度計算方法的有效性。但由于RGB彩色空間本身不能很好地反映人眼對色彩的視覺感受，識別的圖像顏色種類數(shù)遠大于人眼可區(qū)分的顏色種類數(shù)，因此計算得到的圖像顏色分布特征復雜度與人的視覺感受相符程度比較低，進而影響了圖像顏色特征復雜度計算

4、結果的準確性；為了驗證在減少顏色過度識別后圖像顏色特征復雜度計算方法是否有效，采用CoQuWeiP[43]色彩量化算法對原始圖像進行色彩量化操作，并對色彩量化后的圖像進行實驗。結果表明在給定參數(shù)下圖像的顏色空間分布復雜度和整體顏色特征復雜度與人的視覺感受的一致性都有明顯提高，但是由于色彩量化過程中存在顏色信息的丟失，進而影響了顏色種類復雜度計算結果的有效性。(2)在 HSI模型下，采用了N. Ikonomaki[23]等人提出的像素相似