基于多光谱成像技术重构物体的光谱图像可以克服同色异谱现象,实现颜色在不同数字媒体之间的准确传递,并且可以复现物体在任意光源下的颜色外貌。成像式测量物体的光谱反射比能够克服分光光度计接触式测量和逐点测量的缺陷,且可以获取成像范围内所有像点的光谱反射比,扩大了测量面积,且提高了测量效率。本文对基于多光谱成像技术光谱图像重构与显示复现涉及的理论方法和各项关键技术展开全面深入的研究。首先分析了现有的光谱重构算法、滤色片选择方法及训练样本选择方法,并提出了基于光源和代表性训练样本的滤色片选择方法。同时,测试了多光谱相机的光谱通道响应特性,研究了多光谱成像系统关键校正技术。提出了基于自训练的光谱图像重构方法,以避免训练样本与目标对象材料特性差异引起的光谱重构劣化。最后,研究了光谱图像的显示复现方法,并检验了光谱图像在不同光源下的显示复现性能。由于多光谱成像系统所采用的照明光源和滤色片会影响光谱重构精度,本文结合自适应遗传算法提出了基于光源的滤色片选择方法,该方法将滤色片选择转化为寻找使目标样本光谱重构精度最高的滤色片组合,不需要测量光源、滤色片和传感器的光谱特性。目标样本为从孟塞尔颜色图册中精心挑选的均匀且具有代表性的颜色。以峰值透过率波长在可见光波段的16个滤色片为备选滤色片,选择出3种光源下不同数量的最优滤色片组合,并与常用的滤色片选择方法做了比较。在学习法光谱重构中,训练样本用于建立多通道响应值到光谱反射比的转换模型,因而光谱重构精度严重依赖于训练样本。本文归纳了现有的训练样本选择方法,并提出了基于多通道响应值相关性选择训练样本的自适应光谱重构方法。此外,鉴于代表性训练样本可以反映测试样本的光谱反射特性,本文提出了基于代表性训练样本的滤色片选择方法,以在滤色片选择过程中全面考虑影响光谱重构的各个因素,包括滤色片、照明光源、传感器和测试样本的光谱特性。由于电子放大的非线性和相机中的杂散光,数码相机传感器的响应值与拍摄对象表面反射的光通量呈现一定的非线性,本文利用商用色卡的中性色块研究了多光谱相机多通道响应值与光照的非线性关系,并利用3次多项式拟合了两者之间的非线性。在多光谱图像采集过程中,很难控制照明的空间均匀性,文中采用均匀性良好的灰卡研究了每个光谱通道光照的空间不均性,从而对每个通道进行照明空间不均性校正。此外,研究了合成光谱灵敏度的估计方法,其综合了光源、光学系统、滤色片及传感器的光谱特性,本文提出了带非负限制的PE法以获得非负值的光谱灵敏度,并获得了窄带通道的单峰特性。当训练样本与目标对象的材料特性不一致时,学习法光谱重构的算法精度将下降。为此,本文提出了基于自训练的光谱图像重构方法以避免训练样本与目标对象材料特性不一致引起的光谱重构性能劣化。首先,利用k-means聚类法对目标对象的多光谱图像聚类,并在每一类中选择一个代表性训练样本。然后,拍摄覆盖于目标对象表面的坐标纸多光谱图像。训练样本的光谱反射比由光谱辐射计间接测量而得,同时利用圆形Hough变换确定光谱辐射计圆形测量区域的位置和面积,并利用坐标纸多光谱图像映射到目标对象的多光谱图像上,从而获得训练样本的多通道响应值。通过仿真实验,确定了聚类过程和代表性训练样本选择过程中较优的距离判据组合,并选择SPRSQ作为确定合适聚类数的指标。通过比较选择核算法用于实物的光谱图像重构。然后提取了水彩画、油画、水墨画和丝绸画各自不同数量的训练样本并重构其光谱图像,并与以常规的商用色卡作训练样本的重构精度进行了比较和分析。本文在专业液晶显示器上展开了光谱图像的显示复现研究。首先,测试了该显示器的关键颜色特性,包括预热特性、色品恒定性、通道独立性和阶调再现特性。光谱图像无法直接可视化,需要转换为在某光源或照明体下的CIE XYZ三刺激值图像再映射到显示器的RGB图像,其涉及显示器反向色度特征化模型。因此,本文比较了 4种可逆的显示器色度特征化模型,并选择精度较高的模型用于光谱图像显示复现。随后,测量了6种光源的光谱功率分布,并在显示器上分别模拟复现了水彩画、油画、水墨画和丝绸画在这6种光源下的光谱图像。同时,测量了每幅画的检验样本在6种光源下的CIEXYZ三刺激值,并评估其与用实际测量的光谱反射比计算得到的三刺激值之间的色差,以检验显示复现的精度。最后,对本论文的主要研究内容以及所取得的创新性研究成果予以概括总结,并提出了对今后研究工作的展望。