在计算机视觉领域,图像处理是一个非常重要的方向,而颜色恒常处理是大多数图像处理的先决条件。颜色恒常本身是一种心理学上的现象,即人类视觉感知场景的颜色不随场景光源的变化而变化,然而对于采集图像设备而言,却不具备这样的能力,所以计算机颜色恒常性算法就是解决这样的问题——如何让设备自己能够去除掉场景中的光源影响而完全展现场景物体的固有反射率。目前大多数关于颜色恒常的工作都是以单光源为假设前提的,也就是场景中的光源波长集中在很窄的范围内,可以认为是单一光源。由于这种假设使得在算法研究上相对变的更为简洁、容易,所以很少有人去研究情况更为复杂的多光源,实际上,多光源更具有普遍性,不论在室内还是室外,通常情况下,光照来源都不止一个,非常复杂。目前针对以多光源为假设条件的颜色恒常算法研究相对较少,方法上都是一些比较成熟的单光源算法的扩展或者简单的变换。本文以生理学为基础,通过对已有视觉生理学知识的发掘,模拟其中的数学机制进行建模。第三章我们以心理物理学实验为理论基础、以水平细胞和神经节细胞感受野模型为工具,建立了只利用图像高亮度区域的多光源颜色恒常算法模型。第四章我们在一个算法中同时利用ON型感受野和OFF型感受野,分别作用于亮区域和暗区域,从而更加符合人类视觉对光源提取与校正的过程。审视本文算法模型,针对多光源颜色恒常的图像处理,算法达到了预期的目的,针对大部分多光源图像,能够很好的估计光源的位置和颜色,并且使校正后的图像符合人眼的视觉感受。通过对已有图像库的测试和其他算法的比较,部分达到了最优的效果。说明基于生理机制的模型能够很好地应用到具体的图像处理中,为图像处理提供一个新的研究方向。