颜色作为计算机视觉一个重要且有效的特征，已经被广泛应用到目标识别与跟踪、图像分割、图像检索和场景理解等计算机视觉领域中。但是颜色特征很容易受到场景光照的影响，光照颜色色偏以及强度变化都会使颜色特征在应用中起到负面作用。知觉恒常性是人类视觉系统最基本和最重要的功能之一，对人类准确稳定地感知世界起着极其重要的作用。颜色恒常性是知觉恒常性功能之一，使人类在场景光照变化的情况下能准确识别目标本质颜色。本研究主要内容包括：　　⑴提出一种改进的基于颜色类别项的色域映射照明估计方法。目前颜色恒常性算法大都利用图像的全部像素信息进行光照估计，然而实际上并不是所有的像素都包含有助于光照估计的信息。为此，本文提出了一种基于图像超像素分割的颜色恒常性算法。该方法对输入图像进行超像素分割，得到每个超像素的色域；然后结合颜色类别相关计算，根据可行照明将校正图像的超像素色域锚定到基本颜色类别项的能力，赋予每个可行照明作为估计照明的概率值。实验结果表明该方法可以有效避免原有色域映射算法产生零解的问题，而且减少了图像噪声对算法的影响，能够得到与标准色域一致的图像表达。　　⑵基于颜色不变量的Graph Cuts目标分割。现有的彩色图像分割方法中，大多数算法基于像素颜色距离或者图像平面在颜色空间中的分布来分割不同区域。然而，在目标颜色和背景颜色相似，以及目标受阴影及强光等照明条件影响的情况下，很难准确有效的从背景中将目标提取出来。本文提出利用color-name和color-shade两个具有不变性的颜色描述子来构建Graph Cuts能量分割函数，描述子color-name对图像分割引入高层视觉类似自顶向下的干预，描述子color-shade包含了从图像成像模型中得到的表达颜色表面变化的物理因素，两者结合可以有效避免场景中阴影、遮蔽和强光等照明变化对分割的影响。此外，交互Graph Cuts需要人为标注分割需要的目标种子点和背景种子点，本文利用CSIFT提取目标特征点，通过一种投票机制得到目标种子点，减少了分割过程中人为干预。　　⑶阴影检测和去除方法。现有的针对单幅图像的阴影检测和去除方法，很少考虑照明颜色变化的影响，因而不能有效地检测或者有效去除一些在色偏照明光源情况下采集的图像阴影。本文基于岭颜色分布分析（RAD）方法，利用图像像素ridges分布的三种不同位置关系对应场景中成像表面照明关系，约束Condition Random Field阴影检测模型中阴影区域检测，减少阴影区域像素的误判。本文将阴影去除问题转化为求取图像全局空间均匀照明的问题，采用Marc Ebner提出的各向异性空间颜色均值照明计算方法，对阴影区域进行恢复。实验证明本文方法不仅能有效去除图像阴影，而且在一定程度上校正阴影图像色偏。　　⑷彩色红外/可见光融合图像色偏校正。本文中基于人类颜色恒常性生理机制提出了一种适用于彩色融合图像的颜色校正方法。方法以机器蛇模拟响尾蛇红外/可见光彩色融合图像为背景，模拟人类颜色视觉信息处理的过程，针对彩色融合图像色偏、对比度差等问题，提出一种适合于红外/可见光彩色融合图像的颜色恒常性计算方法。通过对两组红外/可见光彩色融合图像进行实验验证，证明该方法能够有效去除融合图像色偏，提高图像对比度。