白平衡是指在不同光源下,还原图像中物体原本色彩的能力。白平衡不仅是图像质量评价的重要指标,而且自动白平衡作为图像信号处理的重要步骤,在计算机视觉预和计算摄影领域处理有广泛的应用。本文提出了一个基于端到端的全卷积网络方法,该方法不仅适用于图像中只有单光源分布的情况,而且适用于图像中有多光源分布的情况。单光源白平衡的算法假设图像中只有一种光源均匀分布,多光源白平衡的算法假设图像中有多种光源非均匀分布。之前的自动白平衡算法,要么只估计图像中的一个光照值(单光源白平衡);要么把图像分块,估计不同块的不同光照值,然后进行聚类(多光源白平衡)。但是,实际上,对于现有的多光源白平衡算法,即使图像已经分块,也存在块内不是单光源均匀分布的情况,使得算法失效。由此,需要研究一种适合于更一般情况(每个像素分配不同的光源)的白平衡算法。本文提出基于端到端的全卷积网络来学习从原图到白平衡后的图像的像素级别映射关系。在双边网络的基础上,我们提出了一种单光源白平衡的全卷积网络结构。在语义分割网络UNet的基础上,我们提出了一种多光源白平衡的全卷积网络结构。基于白平衡的特点,我们设计了一种基于Lab颜色空间的多尺度结构相似性度量的损失函数。通过在单光源和多光源标准白平衡数据集上的分别训练和测试,我们提出的单光源自动白平衡算法可以取得不错的效果,我们提出的多光源自动白平衡算法可以取得当前最好的效果。