纺织行业中,颜色的加工质量越来越受到人们重视,色彩管理的出现大大提高了企业对颜色的品质控制和沟通管理效率。高质量的色彩管理基于大量的颜色测量数据,而现有的颜色测量方法无法避免纺织品面料变形带来的影响且测量数据误差较大,为满足纺织品中色彩管理对颜色测量越来越高的要求,针对现有测色仪器存在的不足,本文系统地对纺织品颜色的自动测量方法及其关键技术进行了研究,利用高光谱成像技术,对纺织品进行非接触式一次性扫描成像,通过计算机处理从光谱数据中提取精确完整的颜色信息,实现了基于高光谱成像技术的纺织品色彩管理的快速颜色自动测量。本文在分析纺织品颜色测量需求及特点的基础上,确定了高光谱成像系统中分光仪、CCD相机、镜头、光源、传送机构等构件的选型及构建方案。并对该系统进行测试,实验结果表明其具有较好的光谱测量准确性、稳定性。为实现对变形面料中色块的自动定位,重新设计了纺织品色彩管理色表的分布结构。并对色表的高光谱图像采集及图像处理、数据提取的方法及相关理论进行了研究。高光谱系统采集的图像,经预处理、利用计算机模板匹配和薄板样条插值算法定位色表中每一个色块的中心位置,以此为基础自动划定每个色块的取值区域并提取颜色信息。研究表明:与传统测色方法相比,该方法测量速度快、稳定性好、能有效消除面料变形影响,避免了手工测量方法的各种缺陷,在保证颜色测量数据准确性的同时大大提高了颜色测量效率。为解决试样沾污等问题,在颜色光谱数据提取过程中,引入一种智能除噪算法,用于剔除色块上小面积沾污、沾色、褶皱等杂色点的数据,确保颜色测量的准确性。针对其他测量误差引起呈色规律跳变和反演,使生成的ICC Profile输出颜色误差大、明暗跳变严重等问题,提出一种基于多方向的曲线拟合算法,并结合每一方向曲线对应的权重系数,对测量数据中误差过大的坏点进行自动优化。通过相关实验对该优化方法的应用效果进行分析,结果表明,多方向曲线拟合优化算法能自动对误差大的数据进行优化,对其它正常数据影响小,有效降低了测量数据中不可测的意外误差带来的影响。通过对比25组传统测量数据的优化结果,表明优化后生成的ICC Profile整体平均色差降低了 12.30%;难打色平均色差降低了 16.67%;中性灰色平均色差降低了 16.74%,并在一定程度上提高了纺织品数码印花的颜色过渡流畅性,由此验证了该数据优化方法的有效性和通用性。对比本文高光谱成像系统和传统测色仪器X-Rite i1的测量结果,结果表明,在测色质量相当的情况下,高光谱成像系统稳定性要优于传统测色仪器X-Rite il。因此,本文基于高光谱成像技术的快速颜色自动测量方法为纺织品颜色测量领域提供了一种新途径。