彩绘文物是我国文化遗产重要的组成部分,艺术家使用不同的颜料来进行绘画,形成多样的色彩和生动的图案,其颜料是构成彩绘文物表面丰富信息的重要材料。在文物保护和修复阶段,需要准确知道颜料的类型,指导制定科学的修复方案。文物绘画表面颜色非常丰富,这是由于画家在绘画的过程中使用绘画技巧,将不同颜料进行混合,呈现出绚丽多彩的效果。因此,绘画表面存在颜料混合的现象,给识别颜料带来困难,给色彩修复带来挑战。目前利用高光谱遥感技术进行颜料识别已经成为研究的热点。针对文物表面颜料混合的现象,为了确定颜料的类型,通常利用高光谱混合像元分解的方法。线性光谱模型简单,物理意义明确,所以针对混合颜料的解混方法大多是基于线性混合模型。但是颜料混合不仅仅是组分颜料的线性混合,还受到基底材料、胶结材料的影响,使得颜料混合具有复杂性,混合颜料的解混精度受到限制。因此,从光谱混合模型和非线性数据降维两个角度出发,实现混合颜料的非线性解混,获取更高精度的颜料丰度。首先,为了确定未知颜料的类型,选择常用的绘画颜料,构建了颜料光谱库,作为颜料识别的诊断性工具。其次,颜料解混主要分为端元提取和丰度反演两个步骤,分别获得混合颜料中组分颜料光谱和丰度。然后,对5种基于几何单形体的端元提取方法进行研究,得到针对混合颜料端元提取效果较好的方法。再次,从研究不同颜料的光谱混合特性入手,利用线性光谱模型和非线性光谱模型,进行混合光谱解混精度评价和重构光谱分析,得到适合混合颜料的解混模型。最后,引入局部线性嵌入（Locally Linear Embedding,LLE）非线性降维方法,提出一种基于改进N-FINDR和多项式后验模型的非线性解混方法。并将其应用于国画和真实壁画高光谱影像,确定绘画表面颜料的类型和所占的比例。主要研究成果如下:（1）颜料光谱库构建。选择常用绘画颜料,根据不同的基底材料（宣纸、白粉层）得到粉末或块状样本、纸本样本、壁画样本。然后利用ASD Field Spec 4光谱辐射仪测量颜料样本表面的反射光谱,波段范围为可见光-短波红外波段（350-2500 nm）。另外,利用便携式荧光仪Thermo Fisher XL3T900检测主要矿物颜料的化学成分。最后,将所有颜料样本数据集成到颜料光谱库系统中进行管理。（2）混合颜料的端元提取方法研究。选择5种纯净矿物颜料,利用其反射光谱,并根据不同的条件（包括信噪比、像元混合程度以及是否存在纯净像元）,合成模拟高光谱图像。然后利用5种基于几何单形体的端元提取方法得到图像中的颜料端元光谱,并将提取结果与真实端元光谱进行对比分析。结果表明基于变分增广拉格朗日单形体识别（Simplex Identification via Split Augmented Lagrangian,SISAL）、最小体积约束的非负矩阵分解（Minimum Volume Constrained Non-negative Matrix Factorization,MVC-NMF）的端元提取结果精度较高,更适合混合颜料。（3）非线性光谱混合模型研究。选择5种纯净矿物颜料,在实验室制作两两混合的颜料样本,并测量得到混合颜料光谱和纯净颜料光谱。然后利用线性光谱模型以及3种非线性光谱模型计算混合颜料中纯净颜料所占的比例,并与真实值进行对比。结果表明不同颜料的混合更符合非线性混合,则基于非线性光谱模型的解混方法比基于线性光谱混合模型的解混精度高。并且多项式后验模型（Polynomial Post-Nonlinear Model,PPNM）获取的解混精度最高。最后,将PPNM应用于一幅国画的高光谱影像数据,得到国画表面混合区域中的颜料种类及丰度。（4）提出一种基于局部线性嵌入的N-FINDR和PPNM结合的非线性解混方法。针对文物表面颜料混合复杂,以及考虑混合颜料光谱存在非线性效应的基础上,提出一种非线性混合颜料解混方法。首先,在原始N-FINDR的基础上进行改进,引入LLE方法,得到一种非线性端元提取方法。并利用该方法获取混合颜料中的颜料端元光谱。然后,利用构建的颜料光谱库通过光谱识别方法确定颜料的类型。最后采用PPNM进行混合颜料非线性解混,得到不同颜料的丰度图。以一幅国画和青海省瞿昙寺壁画高光谱影像进行应用验证,结果表明该方法能够获取更高精度的端元光谱和颜料丰度。