颜色是图像的重要信息。由于机器视觉缺乏自适应性和智能性,不具有颜色恒常性的特点,图像采集、传输和显示系统的变化将引起图像颜色数据的变化。为了实现数字图像颜色的正确感知,必须在机器成像环节后加入智能图像颜色校正环节,将图像颜色转换为某参考条件下的颜色。随着数字化需求的发展和图像处理技术广泛应用,图像的颜色校正越来越显示其重要性,在印刷、印染、电视、工业控制、计算机辅助设计、图像监控等众多领域,成为影响系统性能的最重要因素之一。目前的图像颜色校正技术难以实现较高的精度,不能满足图像分析和识别系统的需求,因此,需要进一步研究高精度的颜色校正方法。本论文以数码相机为数字图像输入设备,优化数字图像颜色校正过程,探索如何在有限的训练样本的条件下建立高精度的查找表。论文对颜色校正中的两个重要问题——提高查找表的精度和选择分布合理的样本进行了研究,主要工作分为两部分:1.在训练样本有限的条件下,研究提高查找表精度的方法:提出分级建立查找表的具体实现方法,通过增加虚拟样本点,以初级查找表的栅格点为训练样本,采用插值的方法对查找表的栅格逐级细分建立高级查找表,进一步提高查找表的精度。对如何构建映射函数进行了深入地探讨,将最大熵估计方法和自适应方法相结合,使其能够根据输入点邻域内训练样本的分布选择参与权值计算的点数。另外,在局部线性回归的基础上,提出了自适应局部非线性回归颜色校正方法及相应的模型,建立一个精度较高的查找表。2.在训练样本数目的允许范围内,研究训练样本的选取问题。本文在基于标志色块数字图像颜色预校正的基础上,根据图像色域特点,采用叠代自组织聚类的方法,并结合中国颜色体系,自适应地选取训练样本色块,使训练样本更具有针对性。与通用的商业测色样本相比较,该训练样本能够突出待校正图像本身的色域特点,可取得较高的校正精度。论文设计了大量的实验,分析了实验结果,并给出客观评价和主观评价,为以后的研究奠定了基础。这些研究工作,促进了数字图像颜色校正技术的发展,有理论意义和实际应用价值。