人类的视觉系统能够屏蔽不同颜色光源对场景的影响,从而感知到场景在标准光源下呈现的颜色,该感知特性被称为颜色恒常性。经过多年探索与发展,颜色恒常性算法已在数码相机与计算设备中广泛应用。目前,多数颜色恒常性算法都假设所有场景仅受单一光源的影响,但该假设并不完全符合实际。而针对多光源场景的颜色恒常性算法,普遍难以兼顾光源颜色估计准确度与估计光照分布图精细度,为了解决此问题,对方法的研究如下:（1）通过实验分析了多光源颜色估计任务中存在的颜色歧义现象,为了解决该现象对多光源颜色估计准确度的影响,提出了一种用于多光源颜色估计的轻量级网络。网络通过输出置信度权重图与近似光照分布图,得以同时优化两个光源的颜色估计准确度。且方法充分利用置信度权重图,得到了具有低歧义性的估计光源颜色在图像中的近似分布。（2）为了解决光照分布图精细度较低的问题,提出了一种基于表面分割的光照分布图重构方法。首先,方法在对三种超像素分割算法进行实验分析后,选择对均值漂移分割算法加以改进,并构建了近似光照分布图、置信度权重图与表面分割图的链接关系,从而扩展了两种低歧义性光源颜色的分布区域。随后,方法通过网格采样对高歧义性区域的光源颜色进行插值,得到了较为精细的光照分布图。最后,使用泊松融合方法,根据光照分布掩膜将使用两种光源颜色恢复的图像相互融合。（3）通过平均角度误差对比评价实验,证明了方法在单光源与双光源颜色的估计任务中均能够达到较高的准确度;通过融合指标与主观对比评价实验,证明了方法恢复的图像的颜色还原精确度较高,且两种光源颜色交界处过渡自然。