生物系统生理变化的非侵入性多光谱成像已被广泛用于各种研究领域,包括医学和生物学应用。然而,传统方法需要关键的光机组件（即机械滤光轮、光栅、棱镜或液晶可调谐滤光片）来捕获全光谱信息,采用机械滤光轮的多光谱成像系统的体积庞大且采集速度较慢;采用光栅或棱镜的多光谱成像系统无法直接完成成像;采用液晶可调谐滤光片的多光谱成像系统响应时间较长。且该组件使得整个系统的价格昂贵。因此,需要便捷式且成本相对较低的快照式系统。在过去的十年中,智能手机在人们的日常生活中得到了广泛应用,因此,本文采用智能手机相机拍摄图像,运用光谱重建算法将获取的图像转换为多光谱图像。首先,本论文研究了五种常用的多光谱重建算法,即维纳估计法、最优化维纳估计法、自适应维纳估计法、多项式回归法和根多项式回归法。并在实际环境及照明条件下,对上述多光谱重建算法进行实验研究,发现五种多光谱重建算法的重建准确度不足。因此,提出一种创新改进的光谱重建算法,即基于多项式回归与根多项式回归组合的维纳估计重建方法。然后,本文选择Color Checker Classic 24色和Color Checker DIGITAL SG 140色标准色卡及自制荧光色卡作为颜色标准。通过光谱分析仪获取色卡的初始光谱数据。在相同环境下,用智能手机拍摄色卡图像,对上述六种光谱重建方法展开实证研究,并分别从均方根误差、相对误差等方面,对比研究了六种重建方法的优缺点。实验结果表明,本文提出的基于多项式回归与根多项式回归组合的维纳估计重建算法是行之有效的光谱重建算法,所提方法反射光谱重建的平均光谱均方根误差和平均相对误差分别降低到0.0233和0.0689,在光谱重建精度方面高于上述常用的光谱重建算法。最后,论文介绍了本文提出的多光谱重建算法在生物医学领域中的应用。本文应用基于多项式回归与根多项式回归组合的维纳估计重建方法将获取的彩色图像重建为多光谱图像,再使用波段之间的加权减法来提取由皮肤组织内特定发色团（主要包括血红蛋白和黑色素）引起的吸收信息和由细菌产生的卟啉自发荧光光谱来实现细菌定位,实现了皮肤组织发色团提取和分离以及皮肤和口腔细菌的高对比度和高信噪比识别。