由于地物的反射光谱以光滑连续的方式变化，一个光谱波段的测量值与相邻较宽波段范围相关，因此每个波段都能提供相邻更宽波段范围的反射信息。这样就可以从中选择一组独立（不相关）的通道，其他通道的信息都可以从这些波段推导出来。其基本原理为：设是采样点在个波长值处的反射率。光谱重建方法的本质，就是在选择的最佳通道内将表示为M个基函数的加权和，即：。式中，基函数是光谱形状，通过一系列光谱的统计分析定义得到，系数为与光谱曲线相关的波段积分。每一个基函数都有与其相对应的光谱区间，用以确定系数的积分域。M为将描述到仪器噪声水平所需要的基函数数目。

典型的光谱反射率重建方法可以分为维纳估计法、伪逆法和有限维模型法。

①维纳估计法（Wiener estimation）。核心思想是使训练样本的估计光谱反射率与真实光谱反射率的均方误差（mean square error，MSE）最小。维纳估计的运算公式需要3个矩阵：光谱响应度矩阵、反射率自相关矩阵和系统噪声协方差矩阵，所以维纳估计法的精度很大程度上受光谱自相关矩阵和系统噪声协方差矩阵的影响。

在维纳估计法中，转换矩阵W由光谱响应度矩阵M、反射率自相关矩阵K和系统噪声协方差矩阵K这3个矩阵决定。其中，光谱响应度矩阵M和系统噪声协方差矩阵K由成像系统决定，而K则包含了训练样本的光谱反射率的相关性信息。在传统的维纳估计法中，所有的训练样本都被赋予了相同的权重。而有学者认为与测试样本越相似的训练样本在准确重建测试样本的光谱反射率时起到的作用越大，可以根据与测试样本的相似程度对训练样本赋予不同的权重。这样，转换矩阵W就包含了更多对测试样本有利的信息。基于以上这种想法，提出了两种基于维纳估计法的改进算法：最优化维纳估计法与自适应维纳估计法。

②伪逆法（pseudo-inverse）。可以看作是维纳估计法的一种变形，在伪逆法中转换矩阵W直接计算。

③有限维模型法。许多研究表明，根据光谱反射率r的光滑特性，r可以用J（J＜N）个特征方程式的线性组合近似，即推导出其有限维模型（finite-dimensional model）。

Shi-Healey方法属于对有限维模型法的变形或者改进，普通的有限维模型法利用一个线性模型来约束从成像设备响应恢复出光谱反射率的可能的解，而这个线性模型的维数通常比较低，小于等于成像系统的通道数。例如，对于三通道的彩色相机来说，线性模型的基函数的个数应该小于等于3。对此，有学者提出了使用高维（线性模型的基函数的个数大于成像系统通道数）线性模型来约束从成像设备响应恢复出光谱反射率的可能解的方法。