随着彩色图像在现实生活中的各个领域得到广泛应用,颜色也成为衡量图像质量的主要标准,因此,获取和显示精确的颜色变得越发重要。传统方法中颜色的信息都是与设备相关的,存在一定的局限性。为了获取独立于设备的更精确的颜色信息,有人提出了多光谱重建的方法,通过获得图像中每个像素点的光谱反射率来重建多光谱图像。多光谱图像比色度空间含有更多的信息,并且能够避免同色异谱现象。论文就多光谱重建过程中的光谱重建方法进行研究,同时将光谱重建技术应用到HDR图像的合成中。多光谱重建的研究包括两个重要部分,一是光谱重建算法的研究,二是训练样本选取方法的研究。之前的研究人员提出了很多成型的光谱重建算法,包括针对线性成像系统的伪逆法和维纳估计法,以及针对非线性成像系统的多项式回归算法。考虑到非成像系统中噪声的影响,论文提出中一种对相机响应值进行预处理的双边滤波多项式回归方法,实验证明该方法确实能提高光谱重建结果的精确度。训练样本选取的主要目的是从众多的颜色样本选取出涵盖范围较广且具有代表性的颜色样本。经过研究人员的不断探索,已经提出了很多有效的方法,包括利用样本空间奇异值之比的Hardeberg方法以及通过欧式距离判断的Cheung Westland方法,这些方法其中有基于色度空间的,有基于高维光谱反射率空间的。论文在这些方法的基础上提出了一种基于高维光谱反射率空间的、反馈式的训练样本选取方法,实验证明该方法非常有效。论文的最后介绍了多光谱重建在HDR图像合成技术中的应用。HDR合成的方法通常应用在色度空间中,论文中将其应用在光谱反射率空间,利用多光谱图像的特性,使得合成的HDR图像能够展示更大的动态范围的同时能够保持原有场景中的准确颜色。