随着颜色科学和图像处理技术的发展,数码相机不仅成为数字化图像采集过程中的一个重要设备,还逐渐成为普通用户获取图像的重要工具。但是由于数码相机本身的设定,光照条件以及数据传递途径等因素发生变化,会导致彩色复制传递的不一致性。针对这一问题,人们提出了数码相机特征化的解决方案。针对数码相机在应用中对色彩传递一致性及稳定性的要求,本文提出了以亮度进行划分的特征化模型并进行了比较全面的基础性探究。首先明确了数码相机特征化的意义和必要性,然后了解了色度学的理论基础和数码相机的基本组成及原理,学习了现阶段国内外数码相机特征化常用的算法,仔细分析了几种特征化模型,在原有的算法上并加以改进。在验证基础特征化模型时,我们发现亮度低的颜色样本在颜色复制的过程中会产生较大的偏差,所以我们根据亮度分为高亮度集合和低亮度集合,然后再分别对两个集合做特征化。实验中我们选定了两台数码相机(Canon 60D和Nikon D610),24色标准色卡和140色标准色卡作为研究对象,使用数码相机拍摄样本并选择RAW图像和JPG图像两种格式进行研究。进行完前期的硬件选择和实验平台的搭建后,设计并验证数码相机特征化的新模型。利用编程实现与设备有关的RGB颜色空间和与设备无关的XYZ颜色空间的转换,在求解转换矩阵时,两个集合我们采用了多项式回归模型和根多项式回归模型十种变换。经过多次实验及多组数据的验证,找到了两个集合最优秀且最稳定的模型组合,低亮度集合选择使用多项式一阶模型,高亮度集合选择使用根多项式二阶模型。随着课题的深入,我们还尝试了将不同种光源下的图像恢复至同一标准光源下。本文选择与Amiri和Fairchild最近发表的文章进行对比。他们提出的加权非线性回归模型是基于多项式回归模型的改进,通过加权函数来提升模型的精度,但是也增加了时间代价。通过测试样本对两种特征化模型进行的色差评估,进一步突出了以亮度划分特征化模型的优势,不仅实验简单,计算量小,而且精度也有一定的提升。本课题的研究成果也为未来的数码相机特征化模型的发展提供了一个新的思路,有一定的借鉴意义。