1.一种对抗曝光变化的自适应加权光谱重建方法，其特征在于，包括以下步骤：步骤1，获取训练样本集光谱数据R；

步骤2，获取训练样本原始格式数字响应值，并对训练样本数字响应值进行根多项式扩展D；

步骤3，以伪逆算法为基础，由训练样本光谱数据和对应扩展响应值计算光谱重建矩阵Q；

步骤4，获取测试样本原始格式数字响应值，并对训练样本数字响应值进行根多项式扩展d；

步骤5，利用光谱重建矩阵对测试样本进行光谱重建，得到测试样本初始光谱r；

步骤6，利用标准化方法对训练样本和测试样本光谱进行标准化处理，得到Rn和rn，并计算测试样本与训练样本标准化光谱之间的均方根误差RMSE；

步骤6中利用标准化方法对训练样本和测试样本光谱进行标准化处理的方法具体如下：

Rn＝(Ri‑u(Ri))./s(Ri)      (4)rn＝(r‑u(r))./s(r)          (5)其中，Ri表示训练样本中的第i个训练样本，u(Ri)为第i个训练样本的光谱均值，s(Ri)为第i个训练样本的标准差，u(r)为测试样本的光谱均值，s(r)为测试样本的标准差，Rn和rn分别为标准化处理之后的训练光谱矩阵和测试样本光谱向量，‘./’为向量或矩阵的元素除法运算符；

步骤7，利用均方根误差对训练样本光谱R和扩展响应值D进行加权；

步骤8，利用伪逆算法计算测试样本的自适应加权光谱重建矩阵Qw；

步骤9，利用自适应加权光谱重建矩阵完成测试样本的光谱重建，得到测试样本的最终重建光谱rf。

2.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤2和步骤4中利用三阶根多项式对训练样本和测试样本的响应值进行扩展，其扩展形式如式(1)所示：

式中，r、g和b分别为样本的R通道、G通道和B通道的原始格式响应值，dexp表示一个样本扩展后的原始格式响应值向量。

3.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤3中利用伪逆算法，由训练样本光谱数据和对应扩展响应值计算光谱重建矩阵Q的方法如下：

T ‑1 T

Q＝R(DD+λI) D   (2)式中，R为训练样本光谱数据矩阵，D为训练样本原始格式响应值扩展后的矩阵，Q为光谱重建矩阵，上标‘T’为转置符号，上标‘‑1’表示求逆运算，λ为正则化约束系数，I为单位矩阵，λI用以对抗光谱重建矩阵求解中的噪声信息。

4.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤5中的光谱重建方法如式(3)所示：r＝Qd   (3)

其中，d为测试样本原始响应值的根多项式扩展向量，Q为光谱重建矩阵，r为重建得到的测试样本的光谱数据向量。

5.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤6中计算测试样本与训练样本标准化光谱之间的均方根误差RMSE的具体方法如下：其中，sqrt()为开根号函数，summ()为求和函数，‘.^’为求幂算子，N为光谱的波段数，RMSEi为测试样本标准化光谱与第i个训练样本标准化光谱之间的均方根误差。

6.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤7中利用均方根误差对训练样本光谱R和扩展响应值D进行加权的方法具体如式(7)至式(10)所示：

Rw＝RW   (9)

Dw＝DW  (10)

其中，α是一个为防止RMSEi为零很小的调整因子，以防分母出现0值的情况，wi为第i个训练的样本的加权系数，W为包括所有训练样本加权系数的加权矩阵，p指示训练样本的个数，Rw为加权后的训练样本光谱矩阵，Dw为加权后的训练样本扩展响应值矩阵。

7.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤8中利用伪逆算法计算测试样本的自适应加权光谱重建矩阵Qw的具体方法如下所示：T ‑1 T

Qw＝Rw(DwDw+λI) Dw          (11)式中，Rw为训练样本光谱数据矩阵，Dw为训练样本原始格式响应值扩展后的矩阵，Qw为自适应加权光谱重建矩阵，上标‘T’为转置符号，上标‘‑1’表示求逆运算，λ为正则化约束系数，I为单位矩阵，λI用以对抗光谱重建矩阵求解中的噪声信息。

8.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤9中利用自适应加权光谱重建矩阵完成测试样本的光谱重建的方法具体如下：rf＝Qwd           (12)其中，d为测试样本原始响应值的根多项式扩展向量，Qw为自适应加权光谱重建矩阵，rf为测试样本的最终重建光谱。

9.如权利要求1所述的一种对抗曝光变化的自适应加权光谱重建方法，其特征在于：步骤1中利用分光光度计测量获得训练样本集光谱数据；步骤2和步骤4中利用数码相机拍摄获取训练样本原始格式数字响应值和测试样本原始格式数字响应值。