郭碧茹，孔韦韦，陈 斌

1.西安邮电大学 计算机学院，西安 710121

2.陕西省网络数据分析与智能处理重点实验室，西安 710121

机器视觉应用过程中涉及的检测算法与采图效果有很强的关联性。然而，在实际场景中，由于环境光的限制，导致很多情况下无法获得理想的打光效果。譬如，当目标物体的表面较为光滑时，可能会出现反光现象，而反光部分在图像中通常是显著区别于周围颜色的高光区域，在该区域中，目标物体原有的纹理、形状、颜色等特征都会出现不同程度的减弱甚至消失。与此同时，图像中高光区域的存在，还会直接导致图像分割[1]、图像识别[2]及特征匹配[3]过程中产生错误。因此，图像中高光区域的存在是影响机器视觉应用的一个重要问题，有必要研究如何去除图像中的高光从而恢复物体的原有特征的有效方法。

针对该问题，国内外主流解决方法大致分为两类：基于实验室标定的序列图像高光补偿方法[4]以及基于双色反射模型[5]的单张图像高光去除方法。因为基于序列图像高光补偿的方法对光源的数量和位置变化有要求[6]，实际情况下往往难以获得合格的序列图像，因此，对单张图像的高光去除方法显得尤为重要。

基于单张图像的高光去除方法主要基于由镜面反射和漫反射构成的双色反射模型。Shafer[5]率先提出了能够分离镜面反射分量的双色反射模型。之后，Tan等[7]根据Shafer的研究，将像素点投射到最大强度色度空间，采用从镜面到漫射机制和强度对数微分的方法，分离出了漫反射分量和镜面反射分量，但在分离过程中，像素点色度发生了变化，从而导致图像的颜色失真；……