在现实光照环境下,各种目标场景并非总是静止的,往往充满着运动和变化。基于目前光学器件及图像传感器的实际水平,设计了面向特定目标场景的三基向量快照式光谱成像系统。通过建立特定目标场景的数据库,利用三通道相机曝光时间短、高空间分辨率和高光能利用率的优势,对获取的特定瞬变目标场景图像中每个向量（像素）输出值,进行光谱反射率重建,重构出整个光谱和反射率立方体。光谱反射率被誉为物体的“指纹”。如何建立低维通道值与高维光谱反射率之间的映射关系,进而准确重建目标物体的光谱反射率,是本文研究的重点内容。针对无需事先获取光谱响应率矩阵的经典重建方法精度不高的问题,提出三种动态选择及加权特定目标数据库的光谱反射率重建方法:提出了色度允差法重建光谱反射率。该方法针对特定目标图像中的每个向量输出值,分别选择在规定色差内的训练样本子集,求出每个输出值的光谱反射率。同时研究了不同允差对光谱反射率重建精度的影响。提出了加权色差组法重建光谱反射率。该方法针对特定目标图像中每个向量输出值,与对应的特定目标训练库中所有训练样本计算色差。对差异较小的训练样本赋予更大加权系数。提出4种加权模型:平方倒数加权模型、倒数加权模型、反向平方加权模型和反向加权模型。研究了不同训练子集数目对四种加权模型重建精度的影响。其中,平方倒数加权模型光谱反射率重建精度高,且对训练子集数目敏感度较低,便于实用。提出了色度与反射率相似度相结合的光谱反射率重建方法。该方法针对每个向量输出值,按照色差和光谱反射率相似度分别排列训练样本,生成加权系数矩阵。通过该加权系数矩阵,提高经典光谱反射率重建算法的精度。研究了不同指数加权指数因子和不同训练样本子集数目对不同检验样本光谱反射率重建精度的影响。实验结果表明:本文提出的三种光谱反射率重建方法,在光谱反射率重建误差和其它光源下色差都比经典算法都有大幅提高。第一种方法速度较快,重建的光谱反射率范围在0-1之间,保持了其实际物理意义;第二种方法精度高,重建光谱反射率范围同样在0-1之间;第三种方法精度高,且当训练样本子集数目超过较少数目后,重建精度几乎不变。在应用中可以使用较大数目的训练样本子集或者直接使用全部训练样本,解决了选择训练样本子集数目的困难。综合理论分析与实验结果,三通道相机在快速实时获取特定目标场景空间信息的同时,配合本文提出的光谱反射率重建算法,可以实现较高精度特定瞬变目标场景的光谱和反射率重建及颜色再现。在实时采集、动态目标探测识别的海洋监控、农业监测、环境评价、实时远程医疗等领域,有较大的理论和实用价值。