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。

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。

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。

为了实现扫描仪精确的色度特征化,详细研究了多种不同项数、不同变换类型多项式回归模型,多项式的项数分别为3,5,9,11,18和20,变换类型包括扫描仪RGB空间到CIEXYZ或CIELAB空间的多种变换。以ANSI IT8.7/2标准色卡为色靶,对同一台扫描仪进行了色度特征化。实验结果表明,多项式项数小于11时,不同类型模型间的精度差异大,且线性化RGB能提高模型精度；项数大于11时,模型间精度差异缩小,而线性化RGB反而会降低模型精度。实验中,多项式项数为20时的RGB到CIEXYZ变换模型特征化精度最好,平均色差和最大色差分别为0.832和2.988 CIELAB色差单位。