迷彩服作为用于军事伪装的作训服,由橄榄绿、黑、土黄、棕褐等颜色的不规则保护色图案组成,其伪装效果的好坏直接关系着士兵的生死存亡和战争的胜败荣辱。颜色是衡量迷彩面料伪装效果的重要因素,迷彩面料的颜色与目标背景环境的光谱反射率越贴合,士兵的伤亡率愈低,军队整体战斗力愈高,因此迷彩面料颜色的质量检测显得至关重要。迷彩面料图案是依照各种复杂的地理环境设计出来的,图案尺寸的大小不一、形状以及排列方式的多样性等问题使得传统颜色评估或测量方法存在一定的局限性。为了获取准确的迷彩颜色信息,本论文提出了基于多光谱图像的迷彩面料颜色测量方法。通过获取图像的像素点响应值信息,利用光谱重建算法重建出迷彩面料的光谱反射率,进而实现了迷彩颜色测量。首先,对现有的面料颜色测量评估方法进行了分析。通过对迷彩颜色的实际测量,发现分光光度测色方式,对于迷彩色块过复杂、过小的区域无法测量,又因其为接触式测量,测量效率偏低;DigiEye图像测色系统只能测量划定区域内颜色。其次,本文搭建基于LED可调光源和数码相机的多光谱图像采集系统,可快速获得迷彩面料的彩色图像和(405nm、425nm、450nm、475nm、505nm、525nm、595nm、635nm、660nm)九种窄带波长下的多光谱图像。研究了图像处理技术实现迷彩颜色色块的分割方法,提出了基于彩色图像和多光谱图像结合的分割方法,利用图像滤波、图像分割等技术得到彩色图像的分割结果,再将其像素点位置信息映射到多光谱图像,研究结果发现mean shift聚类可快速实现多张同类多光谱图像的分割。接着本文研究了基于学习算法的光谱重建方法。针对不同训练集对迷彩预测样本光谱重建的影响,提出两种训练样本集:DCC标准彩板的全局样本集和基于迷彩颜色自身的局部训练样本集,通过四种光谱重建方法的对训练集光谱再现结果对比,发现违逆法和主成分分析法的精度结果远远不及BP神经网络回归和支持向量机回归,且支持向量机回归最好,故选择支持向量机回归用于迷彩颜色重建。最后依据迷彩光谱反射率结果探讨发现基于自身训练的局部样本集重建迷彩颜色精度较高,采用基于LSSVM算法的局部训练回归方法,实现了五种迷彩面料的颜色重建,并与Datacolor测色结果相比,平均色差结果分别为4.16、3.24、2.65、3.54、2.36;与DigiEye测色结果相比,平均色差结果分别为3.06、3.58、3.71、3.77、3.34。结果表明,本文提出的多光谱技术测量方法对于迷彩颜色评价是可行的。