服装行业在我国经济中扮演着重要的角色,而服装色彩是提高商品市场竞争力的重要元素,服装行业利益相关者需要根据预测的流行色参与到服装的设计、样衣、订货、营销和销售等环节。当前服装流行色预测所使用的样本是各个权威机构发布的流行色定案信息,并未结合实际生活中的各种前沿时尚资讯。本文依托东莞市虎门服装协作创新中心的服装云设计交易平台中的服装设计师空间,研究了采用流行色定案信息和时装周秀场图片信息进行服装流行色预测,并将研究结果应用于服装设计师空间中的“色彩趋势”模块。本文对基于定案信息的服装流行色色相趋势预测进行了研究,并以近年相关研究中公布的2007年至2013年国际流行色委员会(INTERCORLOR)发布的288个流行色定案信息为样本,本文提出使用FCM聚类算法对色相进行分类并重新界定各类颜色的区间,统计各类颜色所占比值,将结果分别应用于GM(1,1)、BP神经网络所构建的预测模型中,研究发现基于FCM的色相预测模型相较于其他分类方法的预测模型来说具有更高的精确度,其中,基于定案信息的GM(1,1)精度最高,MSE可达到0.00028。在基于定案信息的服装流行色色相趋势预测基础之上,本文提出了一种基于图片信息的服装流行色色相趋势预测流程,为了与基于定案信息的研究结果做对比,采用2007年至2013年VOGUE时尚网四大时装周中15个品牌的20459张秀场图片。通过本文提出的基于GC-Ellipse(Grab Cut-Ellipse)的服装图像前景提取算法提取图片中的服装信息,通过主题色提取算法获取服装的4个主题颜色,使用HSV色彩空间对色彩进行量化并提取色相值,将处理后的数据应用前文的预测方法进行预测。本文设计的基于图片信息的服装流行色色相处理流程为服装流行色预测研究拓宽了新的思路,打破了当前只依靠定案信息进行预测的局限性。最后将本文的研究成果融合为“色彩趋势”模块应用于服装设计师空间,可对服装生态圈的利益相关者提供指导和帮助,如通过流行色趋势预测来正确引导和推动消费者的行为意识,提高人们的审美情趣及消费品味;协助服装行业利益相关者更好地把握未来服装流行色的变化趋势,从而制定更有效地设计、生产计划。