设备的色彩特性化信息与针对该信息的色彩特性化变换密不可分，因此统称为色彩特性化。在已有的研究成果中，色彩特性化基本上可划分为多重回归、多维查找表与三维插值相结合、神经网络和模糊逻辑等几类。这四类方法具有不同的研究侧重点。

　　(1)多重回归通过多项式对设备色彩的非线性特征进行逼近，多项式转换关系简单，但校正精度低，因此需要解决的问题是如何保持简单转换关系的同时，提高色彩特性化精度。通常的解决方法有缩小校正范围来提高精度，因此就有全局的多重回归和分区的多重回归之分。

　　(2)三维插值通过三维空间中几何体的顶点来插值出内部点的颜色，几何体的顶点数据来源于多维查找表。该类方法的研究主要围绕几何体的确定问题，根据几何体的不同可以分为四面体插值、立方体插值等算法，其中应用最为广泛的是四面体插值算法。一般来说，三维插值较其他方法的精度要高，但需要大量的校正样本。而且在实际应用中发现，生成多维查找表数据时定位特定的几何体是一项费时的运算;另外对于彩色特性非均匀的设备，四面体插值误差不均匀，要获得整体较高的精度，需要的样本数高达410 以上。

　　(3)单纯的神经网络和模糊逻辑方法属于黑箱类算法，其内部结构自适应学习输入输出数据的对应关系，因而具有很强的适用性，且能达到较高的校正精度。但其内部结构(如神经网络的隐层和模糊逻辑的规则)往往很难确定，因此需要解决的问题是如何在保持或提高校正精度的条件下，减少系统开销。

　　文章来源：标准集团（香港）有限公司