颜色恒常性关系到生活的各个方面，人眼视觉系统因为具有颜色恒常性而能感知物体的颜色和识别物体。不幸的是，电子成像设备尚不具备人眼这种特殊感知能力，因此越来越多的科研工作者投入到计算机视觉领域的颜色恒常性研究中。所谓计算机视觉颜色恒常性就是消除光照对物体表面颜色影响，复原物体表面真实颜色。不考虑设备差异影响，物体表面反射光谱成像会受到入射光光源以及物体表面反射特性这些无法求得的因素影响，因此复原物体表面颜色就是要进行光源补偿，而这是极具挑战的项目，本文也投入到此领域的研究，主要工作包括两个大的方面。　　(1)对于单光源下颜色恒常性图像复原。针对基于图像底层特征颜色恒常性算法场景适应性差以及基于机器学习颜色恒常性算法工作量大而提出了一种新的基于视觉上下文先验和高光边缘权重的颜色恒常性方法。使用检索结果作为先验信息代替了学习的工作量。使用引导滤波增前高光边缘权重的方法来计算光源，取得良好实验结果。　　(2)对于多光源下颜色恒常性图像复原。针对实际场景图像往往含有多种光源，单光源模型失效，本文进一步研究而提出了一种结合Matting拉普拉斯矩阵和用户交互的颜色恒常性复原方法。通过说明某些情况光源对角变换矩阵满足Matting约束条件，并加入一系列用户交互约束条件，得到总的能量代价函数，用最小二乘法求解全局最优解，得到最后的理想实验结果。