在照明领域中, LED已被证明是一种很有前途的人造光源, 其光谱可以用来合成日光光谱。 目前通过不同种类的LED合成日光光谱的关键问题是如何从LED数据库中选择LED型号和确定各型号LED的工作参数。 针对这一问题, 科学家们提出了通过各种数学模型来表示LED的光谱功率分布, 如高斯函数、 洛伦兹函数、 logistic功率峰函数等。 这些数学模型可以准确地反映出LED的非线性光谱特征, 包括峰值波长、 半高宽、 红移等。 但是通过数学光谱模型模拟的LED光谱与真实的LED光谱并不完全相同, 通过数学光谱模型模拟的LED光谱曲线都是轴对称的。 然而, 真实的蓝色和绿色LED光谱曲线在短波长的一面更陡, 在长波长的一面更缓, 红色LED光谱曲线则相反。 基于现有的多个LED的基础上提出了一个新的模拟日光光谱的方法。 通过设计一个滤光片和调节各个现有的LED光源的辐射量权重（LED光源的辐射量权重为当前LED光源的辐射量与该LED的最大辐射量的百分比）来进行仿真实验, 以此模拟出一个新的光源, 使其光谱与日光光谱相接近。 即将一个滤光片放置在多个LED的混合光源下, 通过滤光片的光谱透射率和各个LED光源的辐射量权重来限制光源的光谱, 使得修正后的多个LED混合光源的光谱尽可能的接近日光光源光谱。 因工业要求需要对滤光片的光谱透射率曲线进行平滑约束。 最后通过优化后的滤光片的光谱透射率求出各个LED光源的辐射量权重的最小二乘解, 从而得到各个最优的LED光源的辐射量权重。 通过仿真实验, 最后该方法得到的模拟日光光源的相关色温(CCT)为6 492 K, 目标光源的相关色温为6 503 K。 模拟日光光源光谱与日光光谱的拟合优度(R2)为0.992 6。 该方法对基于LED的日光光谱拟合的研究有重要的参考价值。

多光谱图像比常见的三通道图像能够携带更多的数据信息来表示颜色, 因此大大提高了存储与传输此类信息所需要的难度。 为了解决以上问题, 研究人员提出一种将多光谱数据在存储与传输前进行压缩, 并在使用时通过过渡连接空间(ICS)对压缩数据进行重建, 而过渡连接空间决定了转换的效果。 Derhak等［JIST, 50: 53-63, 2006］提出了一种名为LabPQR的6个维度的ICS。 这个空间的前三个维度是给定光谱r在指定光观察环境(用加权表矩阵H表示)下的三刺激值向量t, 后三个维度是同色异谱黑rb在由主成分分析获得的同色异谱黑空间前三个基向量(记为矩阵B)下的组合系数tPQR。 同色异谱黑rb由基于三刺激值t的光谱分解式rb=r-Mt给出, 这里的映射矩阵M为熟知的“R-矩阵”, 同色异谱黑空间是由光谱图像数据或独立反射率训练集对应的所有同色异谱黑构成。 重建的反射率rp=Mt+BtPQR。 该研究提出一个改进的LabPQR过渡连接空间, 记为MLabPQR。 两者之间的差别就在于光谱分解式中的映射矩阵M的选取。 该方法选取M为“Wiener估计矩阵”。 Wiener估计矩阵不仅依赖于光环境H, 而且还依赖于训练光谱数据, 因此期望通过Wiener估计矩阵更能反映出光谱图像的光谱特性, 从而提高反射率重建精度。 使用NCS光谱反射率数据和一幅光谱图像作为测试样本, 分别用Munsell反射率数据集和测试样本集作为训练样本。 采用均方根误差(RMSE)和拟合优度系数(GFC)为重建光谱精度指标, 以CIELAB色差为色度精度指标对本方法进行综合评估, 并与现有的LabPQR、 LabRGB、 XYZLMS和LabW2P ICSs进行比较。 比较结果表明, 该研究的新ICS不论从光谱精度还是色度精度都优于其他ICSs。 因此新方法对光谱反射率压缩及跨媒体多光谱图像再现等相关领域有着重要的应用价值。

提出了一种基于多光源下彩色数码相机原始数据的物体反射率预测算法。通过测量获得彩色数码相机的灵敏度函数和每个光源的光谱，建立包括噪声项的相机原始数据与物体反射率的基本线性方程。通过训练色卡（X-Rite 140色色卡）估计系统噪声，并通过多光源维纳估计算法预测反射率。用两台不同品牌的专业数码相机对本算法进行评估。结果表明，本算法在D65、U30和HZ光源下的表现最优。相比分光光度计得到的光谱反射率，Canon相机和Nikon相机对孟塞尔色卡的预测精度较高，平均CIELAB色差分别为1.59和1.40，在非接触测色和颜色复制等领域具有重要应用价值。

已有用蓝光发光二极管（LED）激发绿橙双色荧光粉的荧光粉涂覆型白光LED的中视觉发光效率最大化光谱优化问题，目标函数为最大化多个亮度水平下的平均中视觉发光效率，该优化模型是对相关色温（CCT）进行离散穷举，仅能获得固定色温下不同亮度水平的平均中视觉发光效率最大值。为了在不同亮度水平下获得最大中视觉发光效率，提出了一种目标函数简单的非线性约束优化模型，同时将CCT作为在一定范围内变化的优化参数。实验结果表明，该模型可以在满足显色指数、色彩保真度和给定中视觉亮度水平的要求下，获得最优的LED光谱，真正实现在指定亮度水平下中视觉发光效率最大化的目的。

由于光源的相关色温与色偏差计算一直是备受研究者们关注的问题,故提出了一种基于三角形法、抛物线法和三次多项式法的高效混合光源相关色温与色偏差计算方法。在色温为2000~20000 K, 1 K步长的18001条等温线上,并在色偏差范围为-0.03~0.03内以0.015间隔选取90005个测试样本,测试并比较了所提方法、Ohno方法与Robertson方法的精确度。测试结果表明,所提方法的性能优于Ohno方法与Robertson方法,且其色温和色偏差的最大绝对误差分别为0.3858 K和3.33×10 ^-6,故所提方法可被直接用于LED光谱优化与设计中。

研究了基于视锥响应三刺激值L,M,S导出的不同色品坐标空间和不同比例因子对相关色温(CCT)计算的影响,并比较了计算得到的CCT与标准CCT的差异。在Houser等收集的包含401个光谱功率分布的数据集上进行了测试,测试结果表明,采用比例因子均为1时计算得到的L,M,S直接导出的u_c-v_c空间表现最好,均值CCT绝对差异,中值CCT绝对差异和最大值CCT绝对差异分别为48,31和851 K。若将L,M,S转换到由配色函数定义的三刺激值空间X_FY_FZ_F导出的u_F-v_F空间中计算CCT,计算得到的CCT与标准CCT差异的均值CCT差异,中值CCT差异和最大值CCT差异分别为42,21和540 K。

颜色学的发展依赖于感知现象和实验数据。随着视觉色差实验数据的增加,人们试图探索研发与CIELAB颜色空间一样简单,但更加均匀的颜色空间。分析了CIELAB颜色空间的特性,并基于这些特性提出了包含4个参数的颜色空间,称之为MLAB颜色空间。新颜色空间参数的确定是非线性约束优化问题,可保证优化后的空间能很好地预测由国际照明委员会专家组收集的视觉色差数据集COM-corrected。基于COM-corrected数据集的比较表明,MLAB颜色空间显著优于CIELAB颜色空间。基于色调线性数据集和椭圆数据集的测试表明,MLAB颜色空间较CIELAB颜色空间也有一定程度的进步。

提出一种新的显示器光谱特征化方法。首先,通过奇异值分解的手段获得单通道最重要的k个基向量,这样任何单通道的光谱辐亮度都是这些基向量的线性组合,而对应的基下坐标也可通过正交性获得,从而也建立了查找表。因此对于单通道的任何驱动值,对应的光谱辐亮度便可由基向量线性表示出,组合系数通过查找表和插值技术获得。最后对于任何一组驱动值R、G、B,便可由单通道的光谱加和预测出总体光谱辐亮度。当k=1时,本文方法退化成传统的假定色品恒定的分段线性插值(PLCC)方法。同时也提出了新方法的逆向模型。测试结果表明,按色差和光谱均方根误差度量,本文提出的正向模型不仅优于传统的Gain-Offset-Gamma和PLCC模型,也优于最近提出的光谱辐射亮度分区模型和光谱辐射亮度分段分区模型。