现有的颜色恒常性算法在常规场景中通常能获得准确、稳定的光源颜色估计结果，但在内容单一、具有大面积单一颜色表面的低颜色复杂度场景中仍有较大概率出现超容限的估测误差。利用设置于摄影镜头旁的环境光传感器，提出一种应用环境光传感器的颜色恒常性算法。首先建立传感器置信度评估模型，然后针对不同置信度设计基于颜色空间转换与基于传感器辅助中性色像素提取的两种光源颜色估计方法。此外，还建立包含传感器测量结果的数据集。测试结果表明，相比现有具有最高精度的同类算法，所提算法的角度误差均值、中位数、最差25%均值分别下降32%、21%、41%。所提算法应用于常规场景和低颜色复杂度场景时均具有优势。

由于场景的光谱信息受到不同照明条件的影响,故在照明不可控场景下拍摄的多光谱图像的光谱反射比重构需要进行照明光谱估计。因此,提出了一种基于单幅多光谱图像的通用方法来准确预测场景的照明光谱。首先,通过分析每个像素的响应特性设计并计算色度权重图,以寻找包含更多照明信息的像素。然后,对加权后的图像进行成分分析,以在通道域中提取光源响应特征。最后,得益于创新性引入的基于照明光谱库训练的字典学习方法,可估计出场景光源的相对光谱功率分布。所提方法在模拟数据和真实数据上的照明光谱估计平均角度误差分别为0.29和3.42,与现有的同类方法相比,表现出更优的准确性和鲁棒性。

光谱灵敏度是数码相机的一项重要参数,利用光谱灵敏度,可以较为快捷地实现传感器响应值与颜色刺激值之间的转换。根据数码相机的成像原理,使用卤钨灯、单色仪、分光辐射亮度计等搭建实验光路,对Canon 500D和Nikon D7000两台商用数码相机进行光谱灵敏度的测量实验,获得形状及平滑度不同的三通道光谱灵敏度。在标准光源下进行24色卡的拍摄和光谱取样,对两台数码相机的RGB测量值及基于光谱灵敏度的预测值进行比较,分别获得平均值为1.7%和0.5%的相对误差。

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。

鉴于国际照明委员会(CIE)显色指数无法满足发光二极管(LED)等新型光源的颜色质量评价问题，探讨了普遍适用的光源颜色质量评价方法，对于促进新型光源性能的改善和发展并进一步提高其市场认可度具有重要意义。采用16 种典型的评价指标对不同类型照明体和光源的颜色质量进行评估实验，结果表明，多数评价指标之间具有相关性，且基于颜色保真性和基于色域面积的评价方法能较为全面地表征光源的颜色质量。初步尝试了光源颜色质量综合性评价指标的构建，并获得验证。

为研究CIECAM02三种环境参数(dark, dim, average)在三种相应照明环境下的跨媒体颜色复现性能，基于记忆匹配和成对比较的心理物理学实验方法,在灯箱照明打印样本与Dark, Dim, Average三种不同环境照明条件下液晶显示器显示色样之间进行了跨媒体颜色复现实验。实验数据分析表明，采用dim环境参数在三种照明条件下都能达到较优的颜色复现性能，而dark和average参数性能与测试颜色的明度和彩度存在一定相关性，较暗色样在Dark条件下采用dark参数设置复现良好，但在Average实验条件下采用average参数设置时性能很差；对于较亮色样的复现，dark与average参数设置在其相应实验条件下的颜色复现性能无显著差异。

A camera-based model is established to predict the total difference for samples of metallic panels with effect coatings under directional illumination, and the testing results indicate that the model can precisely predict the total difference between samples with metallic coatings with satisfactory consistency to the visual data. Due to the limited amount of testing samples, the model performance should be further developed by increasing the training and testing samples.

Conventional printer characterisation models are generally based on the assumption that the densities of primary colours are additive. However, additivity failure frequently occurs in practice. We propose a novel grey component replacement (GCR) method based on the spectral density sub-additivity equations in this letter for spectral characterisation of a 4-ink colour printer. The method effectively correct the error caused by additivity failure. Real high-quality hardcopy samples are produced as evidence of the feasibility of the proposed method and to evaluate the model performance. Finally, the GCR model for characterising colour printer with high spectral and colorimetric prediction accuracy is established.