光与颜色是人们感受自然万物的基础,而被称为颜色的“指纹”的光谱反射曲线记录一个颜色最详细的信息,直接保存、处理颜色的光谱数据能够得到最为精确的结果,因而具有重要的现实意义。但颜色光谱的数据维度过高,难以直接处理。因此描述颜色光谱所需的基本因子数量以及从中提取低维颜色空间结构这两个研究课题在颜色光谱分析的领域受到了广泛关注。国内外相关研究大多采用了线性的降维方法,由于高维光谱数据存在固有的非线性特性,线性降维可能丢失数据某些重要的非线性信息,而且存在过高估计真实本征维度的问题。针对这些问题,本文展开的研究工作如下：1.本文从流形学习的视角出发,提出全新的研究方法：将颜色光谱的基本因子数量问题和低维颜色空间结构的问题,转化为内嵌流形本征维数和流形结构问题。2.本文采用了五种不同的流形本征维度估计算法和六种经典的流形学习算法对蒙赛尔标准颜色样片光谱进行分析,实验结果揭示在光谱蒙赛尔颜色空间中存在三维的嵌入流形,这一流形的几何结构近似圆锥体,与蒙赛尔颜色系统的原始理论一致：相同明度的点形成了一个单独的平面,所有的平面近似平行。低明度的平面在这一类圆锥体结构的尖端。低彩度的点在里面,靠近中心,高彩度的点远离中心。沿着明度值和彩度值相同的点形成的截面圆形,色度依次逐渐变化。3.通过抽取蒙赛尔标准颜色样片中明度为7的样本的流形分析实验,以及降维后维度1与平均光谱能量的关系分析,进一步揭示降维后三个维度的内涵：维度1与蒙赛尔明度密切相关,而维度2和维度3结合起来反映蒙赛尔彩度和色度。4.在蒙赛尔标准颜色样片光谱实验的基础上,分别混合了森林光谱、自然和人工物体的颜色光谱等数据集进行分析,与前人的研究不同,本文通过实验说明加入了自然和人工物体的颜色光谱数据集的本征维度同样应为三维。