随着图像技术的变革及各种彩色媒体设备的广泛使用,为满足不同媒体间颜色传递和数字视频等工业应用的需求,不同媒体在不同观察条件和环境下的颜色匹配已成为亟待解决的问题。传统色度学只能描述特定观察条件下的色度描述,显然已不能应对新的挑战。色貌模型是模拟人眼复杂视觉响应的数学变换模型,可以用于解决复杂环境下物体颜色外貌的度量问题,成为现代色度学的研究热点。构建色貌模型的核心即色适应模型,色适应模型也被单独应用于颜色复制和图像应用等领域。“锐光谱锥响应”是现代色适应模型的重要研究范畴,近代发表的色适应模型都是基于锐光谱锥响应构建的,也被称为“锐变换”。其共同特点是视锥变换并不是发生在生理上的视锥空间,而是在更“窄”的锐化视锥空间,对应将这一区别于生理视锥的感受器称为“锐感受器”。Finlayson等人使用光谱锐化算法,基于Lam & Rigg对应色数据集,获得了有较好表现且更加锐化的感受器Msharp°课题基于Finlayson等人提出的光谱锐化算法,尝试拓展使用不同的对应色数据集以获得精度更高的锐感受器,以提高色适应模型整体的对应色预测精度。课题共提出了三种推导方案,包括单一数据集、混合数据集并开创性的提出了逆向数据集,共获得34个锐感受器。通过全面评价从中挑选出了两个精度最高的锐感受器Tw’combin1和Tw’combin2,分别来自两个逆向混合数据集,其表现和其他已发表的色适应模型相比毫不逊色,在实际应用评价试验中也获得了较好的预测效果。这是课题的主要研究成果,此外混合数据集和逆向数据集的研究方案是本课题的主要创新点,还有进一步深入挖掘的研究意义,也为今后的色适应相关研究提供了一个新的思路。