色彩分类（Color Classification）用于根据样本的颜色信息对其进行分类识别。与单色目标的分类识别类似，色彩分类过程也包括训练和分类两个阶段。
- 训练阶段主要用来基于各种彩色样本创建分类器。它从每个参与训练的样本中提取色彩特征，并将该特征与类标签进行关联以备后用。
- 分类阶段则主要用于从待分类图像中提取颜色特征，并参照分类器信息对其分类。分类的方法可采用最邻近法、K-邻近法、最小平均距离法或支持向量机分类法。
色彩分类的特征提取过程并不直接使用色谱，而是基于HSL空间构建分辨率可选的（高、中、低3挡）的一维色彩特征向量。它先将彩色样本图像转换到HSL色彩空间，然后计算彩色样本的色调、饱和度和亮度分量的直方图。对于每个由单字节表示的颜色分量直方图，保留色调和饱和度分量直方图中的256个值对应的信息，但是只保留亮度分量直方图中8个亮度值相关的信息。通过这种对亮度分量直方图的抑制，色彩特征向量中的颜色信息会更突出，亮度信息会被抑制在8种灰度之内。将包含256个色调信息和256个饱和度信息的两个直方图，与包含8个亮度信息的直方图进行组合，即可得到高分辨率的色彩特征向量。
中分辨率和低分辨率色彩特征向量是通过先提取高分辨率色彩特征向量，然后再对其应用动态遮罩（Dynamic Mask）获得的。动态遮罩基于参与训练的样本创建，用于从高分辨率色彩特征向量中选出最能代表某个类的色调和饱和度直方图信息。在对于每个新添加的彩色样本学习时，动态遮罩通过下述过程被创建或更新：
- 对于每个类，基于其中每个样本的色调和饱和度的直方图，计算该类的平均色调和饱和度直方图。
- 基于所有类的平均色调和饱
