1.一种光谱颜色代表性样本选择方法，其特征在于，包括以下步骤：步骤1，针对给定的总样本集，获得总样本集光谱数据；

步骤2，选定颜色匹配函数，计算得到总样本集颜色数据；

步骤3，利用基于主成分分析的光谱重构选择光谱代表性样本，直至光谱重构误差收敛，完成光谱代表性样本选择；

步骤4，利用最大最小准则选择颜色代表性样本，并进行颜色校正测试，直至颜色校正色差收敛，完成颜色代表性样本选择；

步骤5，对选择的光谱代表性样本和颜色代表性样本进行融合去重，得到光谱颜色代表性样本集。

2.如权利要求1所述一种光谱颜色代表性样本选择方法，其特征在于：步骤1中利用分光光度计测量获得总样本集光谱数据。

3.如权利要求1所述一种光谱颜色代表性样本选择方法，其特征在于：步骤2中采用国际照明委员会推荐的CIE D50标准照明体和CIE 1931标准观察者条件下的颜色匹配函数，计算总样本集在CIELab颜色空间中颜色数据，计算方法如式(1)和式(2)所示：其中，X、Y和Z为样本三刺激值，r(λ)为物质表面的光谱反射率，l(λ)为光源相对光谱功率分布，x(λ)、y(λ)和z(λ)为颜色匹配函数，λ表示范围为380nm‑780nm的可见光波长，k为调整因数，是将光源的亮度值Y调整为100时计算得出的；

其中，X、Y和Z为样本三刺激值，Xn、Yn和Zn为参考白点三刺激值，L、a和b为样本在CIELab颜色空间中颜色数据，而且计算L、a和b时存在如式(3)所示约束条件，其中item表示三刺激值X、Y和Z；

4.如权利要求1所述一种光谱颜色代表性样本选择方法，其特征在于：步骤3中利用基于主成分分析的光谱重构选择光谱代表性样本的具体方法如下；

首先，计算总样本集中任一样本的光谱模值，选择模值最大的样本作为第一个选定样本s1，如式(4)所示，其中，norm(·)为计算模值的函数，ri表示总样本集中第i个样本的光谱向量，max(·)为求最大值函数，Θ表示总样本集，Ω1为包含第一个光谱代表样本的样本子集；

Ω1＝s1＝max(norm(ri)),ri∈Θ，                          (4)然后，利用基于主成分分析的光谱重构选择剩余的光谱代表性样本，假设当前需要选择第m个样本，m≥2，那么将已选的m‑1个光谱代表样本子集Ωm‑1，与总样本集Θ中所有的未选样本rm进行遍历组合，得到光谱重构训练样本子集Ωm，表示如下：Ωm＝Ωm‑1∪rm,rm∈Θ，                             (5)对Ωm进行主成分分析，获得训练样本子集Ωm的特征值和特征向量，如式(6)所示，其中，princomp(·)为主成分分析函数，U为正交矩阵特征向量，S为特征值矩阵，V为得分矩阵，T为矩阵转置操作符；

T

USV＝princomp(Ωm)，                            (6)选定主成分分析的前j组特征量对总样本集Θ进行光谱重构，如式(7)所示，其中，R为总样本集光谱矩阵，Rrec为总样本集的重构光谱矩阵，+为伪逆算子，并计算重构总样本集与原始总样本集之间的光谱均方根误差，如式(8)所示，其中，E‖·‖是用于计算光谱均方根误差RMSE的函数；

RMSEm＝E||Rrec‑R||，                             (8)以RMSE为评价指标，选则RMSEm最小的样本sm作为第m个光谱代表样本，如式(9)所示，并将其加入到光谱代表性样本集子集中，确定光谱代表性样本子集Ωm；

sm＝min(RMSEm)，                             (9)最后，重复式(5)至式(8)继续选择其余光谱代表样本，直至选择的光谱代表性样本对于总样本集的光谱重构误差RMSE达到收敛水平，完成光谱代表性样本的选择。

5.如权利要求1所述的一种光谱颜色代表性样本选择方法，其特征在于：步骤4中利用最大最小准则选择颜色代表性样本的具体方法如下；

首先，计算总样本集中任一样本的颜色数据方差，选择方差最小的样本作为第一个选定样本v1，如式(10)所示，其中var(·)表示方差函数，Labi表示总样本集中第i个样本的颜色值向量，min(·)为求最小值函数，Θ表示总样本集，Φ1为包含第一个颜色代表样本的样本子集；

Φ1＝v1＝min(var(Labi)),Labi∈Θ，                       (10)其次，选择第二个颜色代表性样本v2时，确保v2与v1在CIELab颜色空间的欧式距离最大化，得到包含第一和第二个颜色代表样本的样本子集Φ2；

然后，从选择第三个代表颜色样本开始，按照最大最小准则逐个选择剩余颜色代表性样本，并进行颜色校正测试；假设当前需要选择第q个样本，q≥3，那么首先在CIELab颜色空间内，计算所有剩余未选样本与已选q‑1个样本之间的欧式距离，获得每个剩余未选样本与已选样本的欧式距离最小值，然后从这些最小值中选择欧式距离最大的一个样本作为第q个颜色代表样本，表示如式(11)所示，其中，dist(·)为求解欧氏距离的函数，Φq‑1为已选颜色代表样本子集，Labq为第q个待选颜色样本；

获得第q个颜色代表样本之后，将其加入到已选颜色代表样本子集Φq‑1，得到包含q个颜色代表样本的样本子集Φq，如式(12)所示；

Φq＝Φq‑1∪Labq，                           (12)利用Φq作为训练样本，然后对总样本集进行颜色校正测试，并计算颜色校正色差，如式(13)所示，其中，C为总样本集颜色矩阵，Crec为总样本集校正后颜色矩阵，ΔEq为色差，F‖·‖为计算色差的函数；

ΔEq＝F||Crec∪C||，                           (13)最后，重复式(11)至式(13)过程，继续选择其余颜色代表样本，直至选择的颜色代表性样本对于总样本集的颜色校正色差ΔE达到收敛，完成颜色代表性样本的选择。

6.如权利要求1所述的一种光谱颜色代表性样本选择方法，其特征在于：步骤5中对选择的光谱代表性样本和颜色代表性样本进行融合去重，是指对选择的两部分样本取并集，得到最终光谱颜色代表性样本集。

7.一种光谱颜色代表性样本选择系统，其特征在于，包括如下模块：总样本集光谱数据获取模块，用于针对给定的总样本集，获得总样本集光谱数据；

总样本集颜色数据获取模块，用于选定颜色匹配函数，计算得到总样本集颜色数据；

光谱代表性样本选择模块，用于利用基于主成分分析的光谱重构选择光谱代表性样本，直至光谱重构误差收敛，完成光谱代表性样本选择；

颜色代表性样本选择模块，用于利用最大最小准则选择颜色代表性样本，并进行颜色校正测试，直至颜色校正色差收敛，完成颜色代表性样本选择；

光谱颜色代表性样本集获取模块，用于对选择的光谱代表性样本和颜色代表性样本进行融合去重，得到光谱颜色代表性样本集。

8.如权利要求7所述一种光谱颜色代表性样本选择系统，其特征在于：总样本集颜色数据获取模块中采用国际照明委员会推荐的CIE D50标准照明体和CIE 1931标准观察者条件下的颜色匹配函数，计算总样本集在CIELab颜色空间中颜色数据，计算方法如式(1)和式(2)所示：

其中，X、Y和Z为样本三刺激值，r(λ)为物质表面的光谱反射率，l(λ)为光源相对光谱功率分布，x(λ)、y(λ)和z(λ)为颜色匹配函数，λ表示范围为380nm‑780nm的可见光波长，k为调整因数，是将光源的亮度值Y调整为100时计算得出的；

其中，X、Y和Z为样本三刺激值，Xn、Yn和Zn为参考白点三刺激值，L、a和b为样本在CIELab颜色空间中颜色数据，而且计算L、a和b时存在如式(3)所示约束条件，其中item表示三刺激值X、Y和Z；

9.如权利要求7所述一种光谱颜色代表性样本选择系统，其特征在于：光谱代表性样本选择模块中利用基于主成分分析的光谱重构选择光谱代表性样本的具体方法如下；

首先，计算总样本集中任一样本的光谱模值，选择模值最大的样本作为第一个选定样本s1，如式(4)所示，其中，norm(·)为计算模值的函数，ri表示总样本集中第i个样本的光谱向量，max(·)为求最大值函数，Θ表示总样本集，Ω1为包含第一个光谱代表样本的样本子集；

Ω1＝s1＝max(norm(ri)),ri∈Θ，                          (4)然后，利用基于主成分分析的光谱重构选择剩余的光谱代表性样本，假设当前需要选择第m个样本，m≥2，那么将已选的m‑1个光谱代表样本子集Ωm‑1，与总样本集Θ中所有的未选样本rm进行遍历组合，得到光谱重构训练样本子集Ωm，表示如下：Ωm＝Ωm‑1∪rm,rm∈Θ，                             (5)对Ωm进行主成分分析，获得训练样本子集Ωm的特征值和特征向量，如式(6)所示，其中，princomp(·)为主成分分析函数，U为正交矩阵特征向量，S为特征值矩阵，V为得分矩阵，T为矩阵转置操作符；

T

USV＝princomp(Ωm)，                            (6)选定主成分分析的前j组特征量对总样本集Θ进行光谱重构，如式(7)所示，其中，R为总样本集光谱矩阵，Rrec为总样本集的重构光谱矩阵，+为伪逆算子，并计算重构总样本集与原始总样本集之间的光谱均方根误差，如式(8)所示，其中，E‖·‖是用于计算光谱均方根误差RMSE的函数；

RMSEm＝E||Rrec‑R||，                             (8)以RMSE为评价指标，选则RMSEm最小的样本sm作为第m个光谱代表样本，如式(9)所示，并将其加入到光谱代表性样本集子集中，确定光谱代表性样本子集Ωm；

sm＝min(RMSEm)，                             (9)最后，重复式(5)至式(8)继续选择其余光谱代表样本，直至选择的光谱代表性样本对于总样本集的光谱重构误差RMSE达到收敛水平，完成光谱代表性样本的选择。

10.如权利要求7所述的一种光谱颜色代表性样本选择系统，其特征在于：颜色代表性样本选择模块中利用最大最小准则选择颜色代表性样本的具体方法如下；

首先，计算总样本集中任一样本的颜色数据方差，选择方差最小的样本作为第一个选定样本v1，如式(10)所示，其中var(·)表示方差函数，Labi表示总样本集中第i个样本的颜色值向量，min(·)为求最小值函数，Θ表示总样本集，Φ1为包含第一个颜色代表样本的样本子集；

Φ1＝v1＝min(var(Labi)),Labi∈Θ，                       (10)其次，选择第二个颜色代表性样本v2时，确保v2与v1在CIELab颜色空间的欧式距离最大化，得到包含第一和第二个颜色代表样本的样本子集Φ2；

然后，从选择第三个代表颜色样本开始，按照最大最小准则逐个选择剩余颜色代表性样本，并进行颜色校正测试；假设当前需要选择第q个样本，q≥3，那么首先在CIELab颜色空间内，计算所有剩余未选样本与已选q‑1个样本之间的欧式距离，获得每个剩余未选样本与已选样本的欧式距离最小值，然后从这些最小值中选择欧式距离最大的一个样本作为第q个颜色代表样本，表示如式(11)所示，其中，dist(·)为求解欧氏距离的函数，Φq‑1为已选颜色代表样本子集，Labq为第q个待选颜色样本；

获得第q个颜色代表样本之后，将其加入到已选颜色代表样本子集Φq‑1，得到包含q个颜色代表样本的样本子集Φq，如式(12)所示；

Φq＝Φq‑1∪Labq，                           (12)利用Φq作为训练样本，然后对总样本集进行颜色校正测试，并计算颜色校正色差，如式(13)所示，其中，C为总样本集颜色矩阵，Crec为总样本集校正后颜色矩阵，ΔEq为色差，F‖·‖为计算色差的函数；

ΔEq＝F||Crec∪C||，                           (13)最后，重复式(11)至式(13)过程，继续选择其余颜色代表样本，直至选择的颜色代表性样本对于总样本集的颜色校正色差ΔE达到收敛，完成颜色代表性样本的选择。