颜色恒常性来源于人类视觉系统的研究，在目标物的环境光源发生变化时，人眼能保持对目标物的一致性认知。而广泛应用的机器视觉所采集的图像会因为光源变化而使得图像的颜色值改变，不利于机器视觉的发展。为了让拍摄的图像能准确反映目标物的性质，有必要对图像进行颜色恒常性研究。本文主要对单一光源下采集的图像进行研究分析。本文以还原图像为目的，从以下3个方面进行研究颜色恒常性研究：环境光源改变时，采集图像的颜色值随之改变，故需非标准光源下采集到的失真图像进行校正处理。基于映射理论，采用标准比色卡为参考模型，将在研究光源下拍摄的图像从RGB空间转换到不依赖于设备的sRGB空间。采用算法LS-SVR来对D65和LED光源下拍摄的图像进行校正处理，并与多项式回归校正算法进行比较分析。实验结果表明，LS-SVR算法的校正效果较好，取得较小的色差，优于多项式回归。采用融合算法来对图像进行颜色恒常性研究。针对单一颜色恒常性算法缺乏通用性，采用算法LS-SVR来对发展成熟的5种候选算法进行融合研究。与单一的各候选算法相比，融合算法评估出的光源误差最小，颜色恒常性效果更好，且更具通用性。根据纹理相似性原理从候选的5种算法中选取出图像的最优恒常性算法。对于彩色图像的纹理特征，构建了基于彩色信息的共生矩阵来进行研究。通过对共生矩阵的分析，选取9个特征作为彩色图像的纹理。根据特征间的欧式距离选取出最相似图像，从而获取图像的最优恒常性算法。实验结果表明，该方法的完全匹配率为48.14%，但该算法评估的光源在10%以内色差匹配率为74.8%。与候选算法相比，该算法评估所得的环境光源，其色度误差和角度误差最小，证实了该方法的有效性。