颜色是物体最基础、最直接的特征之一，为人们提供了许多有用的信息。然而颜色信息并不鲁棒，图像颜色受到光照、物体、观察者三者共同作用，同一场景在不同光照下往往呈现出不同的颜色，即图像颜色极易受光源变化的影响。在这种情况下，以颜色为特征的实际应用往往受到影响，如图像检索、图像跟踪等。颜色恒常性计算是为了减少甚至消除光照的影响，得到景物独立于光照变化的鲁棒的颜色特征。这对于计算机视觉、颜色科学来说，是极其重要和必需的，为彩色图像处理提供了重要的基础。近年来，随着人们对高质量图像的需求日益增加，多光谱图像因其能够准确表达物体光谱特性而被越来越多地应用在高端图像领域。重建光谱反射率，直接计算物体表面的光谱特征，成为颜色恒常性计算的新领域。　　本文首先研究了颜色理论和人眼的颜色恒常特性，分析了现有颜色恒常算法的优势和缺陷；其次分析了彩色图像成像的物理模型，在场景光照均匀的假设条件下，针对存在镜面反射的一类特殊图像，基于双色反射模型，将镜面反射向量投影到Inverse-Intensity Chromaticity空间，研究图像高光像素色度与光源色度的线性关系，采用模糊聚类分离图像颜色，拟合直线估算光源色度，提出了基于高光区域分析的单张图像颜色恒常技术，克服了高光区域数量、颜色、纹理等限制，提升了估算精确度且算法易实现；然后在分析以往基于机器学习的颜色恒常性算法并指出其缺陷的基础上，提出了采用高斯过程回归拟合光源颜色与图像颜色之间的非线性关系，解决了以往算法计算复杂度过高、估计精度较低的问题；最后，讨论了以扩展图像表色维数来提高光源颜色估计精度算法的可行性，提出了基于监督学习拟合多光谱图像与物体光谱反射率映射关系的设想。