随着人们生活的日益丰富多彩化,对于图像颜色信息的获取要求也是越来越高。在日常生活中,我们可以感知多种多样的颜色并通过数码相机、彩色胶片等输入设备来再现所看到的色彩。但是,在不同环境下通过这些输入设备获取得到的图片颜色可能却存在着一定的视觉差异。不同物体表面颜色的光谱反射率是不同的,是物体的客观属性,不会随着观察条件等其它因素的改变而变化。所以,为了在不同条件下都可以真实地再现颜色,颜色科学工作者提出了基于光谱的颜色复制技术,尽可能地减少同色异谱现象,该技术首先需要获取得到物体表面的光谱反射率,然后基于色度学与光谱学原理,再结合技术级图像图形方法再现出物体表面的颜色信息,其最关键的是光谱反射率的获取。一般可以通过分光光度计、多光谱相机、光谱扫描仪等设备来提取物体表面的光谱反射率,但由于不能大面积、非接触测量、造价昂贵等因素不能广泛的应用于人们的日常生活中。根据多光谱成像原理,本文采用普通的商用数码相机与普通的宽带滤光片自组搭建出一个多光谱成像系统平台,然后通过最优光谱重建算法重建出物体表面的光谱反射率。由于自然界中大多数物体表面的光谱分布连续,则可以通过几个基向量的线性组合来表示。获取基向量常用的算法主要是主成分分析法、独立成分分析法、奇异值分解法。其采用的都是线性降维的方法来提取基向量。事实上,真实的数据或多或少都存在着一定的非线性成分。为了弥补线性降维方法的不足,已有学者将核函数(Kernel)与主成分分析(PCA)融合在一起形成核主成分分析,核主成分分析算法采用核映射的方式进行数据处理,其需要选择一个核函数及参数,然而对于它们的选择目前还没有形成一个标准。核熵成分分析相比于核主成分分析,结合了熵信息理论,对于数据的非线性处理能力具有一定的提高。本论文主要对光谱数据基向量的线性与非线性提取方法进行了对比研究。重点对主成分分析法和核熵成分分析法进行了讨论。将不同特征提取算法提取出来的不同基向量分别结合多项式模型,重建出不同算法下测试样本表面的光谱反射率,最终通过光谱与色度误差评价方法对重建的光谱数据进行相应的评价。实验中分别选用SG色卡和油画为训练样本和测试样本,初步的实验结果表明,基于核熵成分分析的光谱重建算法在色度精度和光谱精度上均优于主成分分析和核主成分分析法,对于物体表面颜色的真实再现具有一定的应用价值。