在图像处理、计算机视觉等相关领域，颜色信息是十分重要的。然而颜色是一种不稳定的图像特征，当环境光照条件变化时，场景中同一物理表面的表观色也将随之改变，这给依赖于颜色特征的高层图像应用带来挑战。人类视觉具有颜色恒常性，可将同一物体表面的不同表观色感知为相对恒定的颜色。若借助类似的颜色恒常能力使得计算机能够保持或恢复图像真实颜色，或使计算机视觉系统能够正确、稳定地获取图像的颜色特征，那么颜色易受光照影响这一问题即可迎刃而解。颜色恒常性计算包含寻找颜色恒常的颜色描述子与校正图像颜色两个侧面，其中后者即是白平衡的过程。本文旨在对用于图像白平衡计算的一类颜色恒常性方法进行研究，对光照色度估计算法进行改进以提升图像颜色校正的准确性，并试图实现一个自动图像白平衡的原型系统。本文的主要工作如下。（1）光照色度估计算法的研究。以学界公开的图像库为素材对经典光照估计算法进行批量实验，分析了各类基本颜色恒常性算法在理论基础和性能上的差异。Gray World、White Patch、Shades of Gray等基本算法各自都有一定的适用范围，在满足算法假设约束的条件下能发挥较好的光照色度估计效果。从几类基本算法入手，比较了其各自在效果和性能上的优势与劣势，为算法改进寻找突破口。（2）提出了基于无色差表面识别的自动白平衡算法。在研究单光照下的光照色度估计算法的基础上，采用乘积通道法识别偏色图像中的无色差表面，根据得到白色像素集求取光照色度估计值；使用乘积通道加权法、迭代双边阈值法对白色像素集进行了进一步优化，解决了算法中的白色像素集阈值的选择及高光区域对光照色度估计的影响等问题。在公开图像库上的实验证明，所提算法较经典算法在准确率上有一定提升。（3）将颜色恒常性算法应用于低照度视频处理中。偏色视频处理及低照度图像处理是图像处理领域内应用较为广泛的课题，将基于颜色恒常性的自动白平衡算法用于偏色视频处理，动态地估计视频各帧光照，有效地实现了偏色视频的颜色校正；采用滑动平均技术，解决了闪烁问题，并根据原始帧亮度自适应地增强图像，有效提升低照度图像质量。实验证明系统达到了实时性要求。