金属漆颜料制品的光谱双向反射分布函数（BRDF）与其组成成分有关, 快速准确重建出成分相近的金属漆颜料制品的光谱BRDF数据, 对指导金属漆颜料制品的光谱BRDF建模, 减少其光谱BRDF数据采集的人力物力成本具有重要意义。 基于散射光谱加和性原理, 提出了一种使用少数金属漆颜料制品的光谱BRDF数据重建出具有不同成分比例金属漆颜料制品的光谱BRDF数据的方法。 该方法将金属漆颜料制品的光谱BRDF视为其各组成部分光谱BRDF的线性组合, 通过求解线性方程组得出各组成部分的光谱BRDF, 然后通过赋予各组成部分光谱BRDF不同的权重, 采用加权求和方法重构出成分比例不同的金属漆颜料制品的光谱BRDF数据。 实验中, 以潘通金属色系列色卡中亮黄色系列的6个不同组成比例色卡为研究对象, 使用比较测量方法测量得到了其在45°入射角度下, 380~760 nm波长范围的半球反射空间的光谱双向反射分布函数（BRDF）值。 然后选择其中两个色卡求解出该系色卡的基础成分的光谱BRDF数据, 再通过赋予其基础成分的光谱BRDF数据不同的权重, 重建出其他四个成分比例不同的色卡的光谱BRDF数据。 实验结果表明, 在45°入射角度和半球反射空间范围的几何条件下, 重建出的四个色卡的光谱BRDF数据与实际测量的四个色卡的光谱BRDF数据具有较好的一致性, 最小均方根误差可达0.057%, 最大适应度系数可达99.998%。 实验结果表明, 所提出的方法具有精度较高, 计算简单易实现的特点, 可用于金属漆类颜料制品的光谱BRDF数据重建。

针对多基色显示系统的颜色转换问题,提出一种基于亮度因数分级BP神经网络的色度转换方法,并建立CIE标准(X,Y,Z)空间到多基色(K1,K2,…,Kn)空间的转换模型; 将整个(X,Y,Z)颜色空间按训练样本的亮度因数Y分解成多个二维子空间,并形成亮度因数分级子空间BP网序列,从而减少了从低维度空间向高维度空间进行颜色转换时出现的同色异谱问题。以五基色LED显示系统为例,对亮度因数分级BP网的有效性开展验证实验。首先根据五基色LED显示系统的实际色度参数,建立了五基色显示系统(K1,K2,K3,K4,K5)空间到CIE标准(X,Y,Z)空间的线性转换模型; 在此基础上采用最小色差匹配法,生成了典型亮度因数分级训练样本集和测试样本集,并完成了BP神经网络的训练和测试。结果表明,训练样本集的CIE1976L*a*b*平均色差达到6.37以下,并且还有进一步的改进空间,为多基色显示系统的颜色转换工作提供了一种有效的技术途径。

通过双目观察与匹配心理物理学实验，对金属漆颜料制品在两种几何条件下进行了视觉评价，随后将金属漆颜料制品的视觉平均数据分别与基于双向反射分布函数（BRDF）数据和基于PR715分光辐射计测量结果的色貌模型预测结果进行最小二乘法线性拟合。实验结果表明，在不同几何条件下，BRDF数据均可以用来对金属漆颜料制品进行色貌预测；对于三属性预测而言，在明度和彩度方面，基于BRDF数据的色貌模型预测精度不如基于PR715分光辐射计数据的色貌模型预测精度，而在色调角方面，基于BRDF数据的色貌模型预测精度则高于基于PR715分光辐射计数据的色貌模型预测精度。

多基色显示是广色域显示技术的重要发展方向，但多基色显示系统目前面临着高分辨率、高帧率多基色驱动图像的获取问题。提出一种基于广色域RGB相机的多基色驱动图像生成方法。以实际多基色LED点阵显示系统为例，首先建立了显示系统的n基色空间与标准CIE XYZ空间的转换模型，即正向转换模型；在正向模型的基础上，建立了由3基色空间到多基色空间的逆向转换模型，从而将RGB相机摄取的高分辨率彩色图像转换为n基色显示系统的驱动图像。实验中，根据典型5基色LED点阵显示器的色度参数分别建立了正向和逆向转换模型，并将ColorChecker SG色卡的广色域图像作为目标图像，完成了基色转换和色差分析。

为实现多基色显示设备多通道亮度均衡程度最优的颜色转换, 提出了一种基于凸包算法的多基色显示设备色域的界定方法, 并提出了一种通过对亮度均衡程度评价函数进行非线性优化以求解出最优亮度均衡驱动值的颜色转换算法。在XYZ颜色空间均匀取样颜色坐标, 通过凸包算法判断得到位于设备色域内的颜色坐标;计算出设备色域内颜色坐标对应的亮度均衡程度最优的多基色驱动值, 从而建立XYZ颜色空间到多基色设备颜色空间的映射关系;以小间距点阵LED六基色显示器为实验平台, 结合该显示器子像素的发光参数, 实现了色域界定与亮度均衡颜色转换。结果表明提出的方法可实现平均亮度离散系数为0.1685的颜色转换。

基于液晶调谐滤光片(LCTF)的光谱相机由于体积小、 功耗低、 集成方便, 适合多种搭载平台, 同时通过光谱反射率来识别目标物, 可以有效解决同色异谱的问题, 在伪装识别、 精细农产品产值估计等方面有很好的应用前景。 比较测量法因其能有效排除光照条件和场景背景条件的影响, 重建效率较高, 在光谱相机的光谱反射率重建中被普遍采用。 比较测量法通常采用标准白板作为参考物, 但实际应用中, 经常会遇到目标场景空间位置不便放置标准白板的情况。 针对这种情况, 研究采用LCTF光谱相机采集的目标场景中亮度高的颜色作为参考的比较测量法进行目标物的光谱反射率重建来解决上述问题。 实验以美国X-Rite的Gretg Macbeth Color Checker(MCC)色卡作为目标物, 分别参考亮度高的五个不同色块, 运用比较测量法完成红、 绿、 蓝三个色块的光谱反射率重建。 将重建后三个色块的光谱反射率与采用台式分光光度计(X-Rite Color Eye7000A)测量的标准光谱反射比进行比较。 结果显示, 重建后的红、 绿、 蓝三个色块的光谱反射率曲线与用分光光度计测量的标准光谱反射率曲线的形状基本相似, 每组曲线的均方根误差均小于0.05; 重建的蓝色色块的光谱反射率以参考与其光谱反射比接近的蓝绿色重建的效果最好; 重建的红色和绿色色块的光谱反射率以除白色外亮度最高的黄色为参考重建的效果最好; 二者均比参考标准白板的反射率重建效果好。 实验结果说明采用目标场景中亮度高目视效果明显的色块作为参考对象可被用来进行LCTF光谱相机的光谱反射率重建。 该方法有效扩大了比较测量法以及液晶调谐光谱成像系统的应用效率。

同色异谱现象是光谱反射率重建与颜色再现中的一个重要问题。 采用三基色CCD相机采集CIE标准光源D65下的颜色样品信号, 建立非线性复合模型, 使用主成分分析结合神经网络的方法（PCA-NET）改进基于同色异谱黑理论的R矩阵算法, 对标准Munsell色卡光谱重建进行研究。 在保证给定照明条件下的色度精度同时, 对光谱重建的结果进行了实验评价和讨论。 实验结果表明, 在给定的照明条件下, PCA-NET算法能够准确的拟合相机输出信号与主成分系数之间的非线性关系, 将其代替线性算法应用于R矩阵算法中时, 测试集的平均均方根值是未改进R矩阵算法的0.76, 平均标准差是R矩阵算法的0.85, 可有效提高光谱反射率的重建精度。 改进后的R矩阵算法具有精度较高、 操作简单易实现的特点, 可用于对重建色度精度及光谱精度均要求较高的领域。

基线校正是傅里叶变换成像光谱仪光谱反演的重要环节，因为干涉曲线切趾、相位校正等光谱反演预处理步骤均需要在基线校正完成后进行。提出了一种用于基线校正的自适应差分滤波方法。该方法使用迭代算法动态调整加权均值滤波窗口。仿真结果表明，该滤波方法对直流趋势项的滤除更为彻底。利用实验室仪器获取的紫外潜指纹残留物光谱数据进行分析，结果说明，在仪器工作光谱范围内，使用该方法进行基线校正后得到的光谱曲线与有效光谱曲线基本一致。该方法无需提前选择滤波窗口，具有自适应性。并且基于均值滤波算法的自适应差分滤波方法计算流程简单，迭代效率较高。