传统主成分(PCA)光谱降维方法利用数学的方法, 保证降维后的重构光谱与原光谱在形状上尽可能相似, 但是传统PCA降维过程中无差别的对待每一个波段的光谱数据, 而人眼视觉对不同波段的光谱敏感程度不同, 会造成有时候虽然光谱误差较小, 但是人眼看上去色差较大的情况。 在保证光谱误差的同时, 为了能够有效的减少源光谱与重构光谱的色度误差, 提出了两种基于人眼视觉的加权函数对传统PCA降维方法进行优化, 并利用残差光谱对模型进行补偿。 实验过程以Munsell色卡作为训练样本, Munsell色卡和多光谱图像“young girl”作为测试样本, 然后利用本文提出的加权函数进行PCA降维并重构, 并与相关文献提出的方法进行了对比。 实验结果表明, 提出的两种加权算法, 与其他算法相比, 无论是色度精度还是在变光源的稳定性方面, 都有显著地提高。