彩色数码相机通常利用目标样本建立色度特征化模型,目标样本将影响相机响应值与色度值之间的映射关系。现有的目标样本选择方法忽略了目标样本的普适性,即基于优化的目标样本建立的色度特征化模型应对任何颜色样本都适用,为此提出了基于均匀颜色样本的数码相机色度特征化目标优化方法。首先,从大量真实物体的光谱反射比中挑选均匀颜色样本,然后,结合色度特征化模型在均匀颜色样本中优化目标样本。实验结果表明,目标样本的优化受数据类型和色度特征化模型的影响,因而得到了不同的优化目标样本,且优化目标样本的色度特征化性能优于典型的目标样本。同时,对于RAW数据,目标样本数量的增加并不一定提高线性色度特征化模型的精度,而对于sRGB数据,较多的目标样本将有利于提升多项式色度特征化模型性能。

为了防止彩色数码反射显微镜的白平衡算法失效,提高图像颜色采集精度,提出了基于非RAW数据的数码相机色度特征化方法。首先,利用色卡中性色块建立基于幂函数的非线性校正模型,将非RAW数据转换为与场景辐亮度线性相关的数据。然后,建立色度特征化模型。最后,通过实验测试非RAW数据校正前后的色度特征化精度,并分析光源亮度变化对非线性校正模型及色度特征化精度的影响。结果表明,校正后的非RAW数据将提高色度特征化精度,对于线性色度特征化模型效果尤为明显。同时,光源亮度改变将引起非线性校正模型以及色度特征化精度的变化,当亮度变化不剧烈时,可采用通用非线性校正模型。

基于双目视差的光栅式自由立体显示器技术已逐步成熟,为了定量研究颜色对自由立体显示器视觉舒适度的影响,需要对显示器进行颜色特性化。实验研究了一台彩色有源矩阵薄膜液晶光栅式自由立体显示器的通道独立性、色品恒定性和颜色特性化精度。结果显示:该显示器在三维(3D)模式下的通道独立性较差,而在二维(2D)模式下的通道独立性非常好;无论3D还是2D模式,该显示器的色品恒定性均非常好;该显示器3D和2D模式下增益-偏置-伽玛(GOG)模型的特性化精度分别为3.64和0.99Δ E*ab(CIELAB 色差),查找表(LUT)模型的精度分别为2.36和0.65Δ E*ab。显示器在3D模式下受到串扰的影响,因此其颜色特性化精度低于2D模式,其中LUT 方法的特性化精度可基本达到颜色视觉实验的要求,但要实现立体显示下的颜色精确预测或控制,还需要寻找其他更高精度的特性化方法。

基于相机的成像原理，建立了不同拍摄参数下响应值之间的转换方程，提出了一种基于齐次多项式回归的色度特征化模型，克服了传统多项式模型非线性外插造成的误差。 对Nikon D3x数码相机进行了拍摄参数变化的色度特征化实验，分析了不同项数对特征化精度的影响。实验结果表明，齐次多项式模型适用于描述拍摄参数可变的相机色度特征化，且项数以6、7项为宜；在4种色温和7种照度构成的28种LED光源下的实验中，在色温不变、照度变化的光照下其颜色预测精度优于1.5 CIELAB色差单位，与固定参数、固定光照下多项式模型的精度相当，而在色温和照度同时变化的情况下其平均色差小于2.0 CIELAB单位，可以满足相机应用的色度精度的性能要求。

彩色数字设备颜色特性化是图像复制色彩管理流程中颜色转换的基础。为了让普通用户也可以实现照相机特性化，在研究白天自然光和夜晚日光灯2种办公照明环境下使用仪器特性化的基础上，提出一种自然光办公照明环境下不使用专业仪器的特性化方案，该方案只需要用户拥有一张ColorChecker 24色色卡。对特性化精度实验研究结果表明：在普通办公室环境下采用专业仪器测量，日光灯和自然光照明环境下的特性化精度平均在3.5~3.9个CMC(11)色差单位；在自然光照明环境下，不使用仪器测量的特性化精度是3.75个CMC(11)色差单位，与使用仪器测量的3.48个CMC(11)色差单位相比增加非常小；晴朗白天1200~1500，自然光照度变化和色温变化条件下，不使用仪器测量的特性化精度变化在0.5个CMC(11)色差单位，说明了该方案具有实用性。

近年来随着数字技术以及彩色数字图像输入输出设备的不断发展和广泛使用，颜色在不同的设备之间精确的传递或再现成为该领域的重要课题。文章以彩色数码相机特性化为研究内容，采用多项式转换方法，研究了多项式回归模型不同系数矩阵、不同训练样本对数码相机特性化精度的影响，得出了系数矩阵为20×3多项式模型时误差较小（2.095ΔE*ab）的结论，达到了实用水平。

由于液晶显示器不能完全满足通道独立性和色品恒定性而导致其色度特征化精度不高，故液晶显示器精确色度特征化模型的研究具有重要意义。将分空间处理的思想应用于对液晶显示器色度特征化精度较高的掩模（Masking）模型，提出了分空间补偿（SC）模型。该模型将RGB颜色空间分为8个子空间，基于不同子空间的相应训练样本，将掩模模型的预测三刺激值差值拟合成各通道驱动值的多项式函数，并对其三刺激值进行补偿。通过对四台液晶显示器色度特征化的实验测试表明，分空间补偿模型的最优平均预测色差分别为0.2783，0.3199，0.7090和1.2216 CIELAB单位，验证了其颜色预测精度优于现有的相关色度特征化模型，且可以适用于各类液晶显示器。

多元回归法是彩色打印机特性化普遍采用的方法, 实验对影响多元回归精度的阶数、色空间选择、以及训练样本选取进行了研究。研究结果表明: (1)二、三、四阶的特性化精度分别在10.9±0.3、6.6±0.2、6.0±0.2个CIELAB色差单位; (2)回归模型采用RGB到CIELAB或CIEXYZ的预测精度基本相同, 大概相差1个CIELAB色差单位, 但如果训练样本选择适当, 两种色空间无差距; (3)训练样本的RGB取值要包括打印色域边界点0和255, 这样将保证模型总体预测精度。研究结果将指导实际应用中回归阶数、色空间选择和训练样本的选择。

为了提高数字图像设备的色度特征化精度，提出了基于高斯函数的加权自适应多项式模型。对任一目标样本以自适应方式选取距其最近的几个训练样本，设计相应高斯函数作为权重对各个训练样本的贡献率加以调制，通过最小二乘法获得目标样本对应的多项式系数。设计相应实验分别用该模型、普通多项式模型和基于距离反比函数的加权多项式模型实现了数码相机的色度特征化。实验结果表明，在所有训练样本和检验样本组合情况下，提出的基于高斯函数的加权自适应多项式模型均取得了最高的颜色预测精度。

彩色图像在数字图像设备之间的传输和复制过程中,为保证其色彩还原的准确性和一致性,必须实施色彩管理,而色彩管理的核心技术之一就是对数字图像设备进行色度特征化。在研究了数字图像设备色度特征化的原理和方法的基础上,基于多项式回归法,建立了数字图像的设备色度值RGB 与CIE 标准颜色空间色度值CIE Lab之间的非线性关系;并通过Matlab 软件编程,设计一种数字图像设备色度特征化的快速建模软件。实验结果表明,应用该软件可实现设备色度值RGB 与标准颜色空间色度值CIE Lab 的快速精确转换。