温度是科学研究、工业生产及日常生活中经常遇到的一种物理量。温度的测量已成为科学研究的重要课题之一,研究温度测量方法的改进具有很重要的现实意义。课题首先介绍了颜色辨温的方法概要和现状,论述了颜色辨温的原理,证明了高温物体的颜色与温度确实存在着某种映射的关系而且颜色的三相颜色刺激值R、G、B都与温度有着量上的联系。然后针对物体图像颜色与温度之间是一种复杂的非线性映射关系,且摄像技术受环境影响较大,整体采集误差较大等问题,根据神经网络能以期望的精度逼近任何连续映射、并且能通过自学习完成该逼近的能力,论述了应用神经网络来实现颜色温度测量的原理及优越性。其次,运用MATLAB软件平台实现了对图像采集样本的图象数字化处理,将采集图像通过分割、去噪滤波和像素分离,得到了R、G、B颜色单通道色素值,并实现了BP神经网络的编程,且通过仿真进一步地选取LM神经网络作为实验载体网络。最后通过三颜色通道独立的神经网络建模、训练和仿真,实现了应用神经网络对颜色温度的测量,得到了红、蓝、绿各颜色通道仿真实验结果。结果表明,R、G、B各颜色通道都有良好的测量精度效果。进一步比较了各个颜色单通道之间的测量效果的差别,其中绿色单通道精度最高且测量值域最大,为主导分量。实现了颜色测温方法的改进及模型的优化。