光度立体视觉作为光学测量领域的重要方法之一,可以对物体表面纹理进行大范围超精细三维重建。本文提出了一种基于共位图像的逆向反射模型,可用于对非漫反射表面的非线性反射行为进行精确建模。该模型可以实现从像素值到法向量与入射光线方向内积的精确映射。实验仅需一张共位图像和一张多光谱条件下拍摄的RGB图像就可以实现高精度的光度立体视觉,大大缩短了拍照所需的时间。对于大批量生产的工件的表面检测而言,由于共位图像可以提前采集后供后续工件重复使用,该技术可以微秒级的拍摄速率来实现移动表面的在线检测。另一方面,由于该方法中使用了神经网络来训练近场光度立体视觉模型中的映射关系,省去了传统近场光度立体视觉中的迭代步骤同时提高了对于阴影点、高亮点等异常值的鲁棒性。本文中进行的仿真和实际实验均验证了该算法在极少量图片条件下恢复非漫反射表面法向量时的优秀性能。