现实场景中,物体暴露在自然光下通常会发生镜面反射和漫反射,当镜面反射较为强烈时,物体表面就会呈现出高光现象,严重时在数字图像中表现为饱和像素。高光在计算机视觉的任务中会带来严重的负面影响,在图像中产生不连续性并降低图像对比度,甚至完全损坏场景原始的颜色和细节信息,因此图像高光去除方法的研究对顺利执行高级视觉任务必不可少。不同场景的高光往往呈现出不同的分布规律,现有的高光去除方法仅仅是处理在特定的背景和光照环境中拍摄的图像,通过人工干预减少了拍摄角度以及其它环境干扰因素的影响,然而这并不符合自然场景的特征,并且这些方法无法解决由高光导致的饱和像素问题,同时会在图像中引入新的伪影。因此本文在进行高光图像场景特征分析的基础上,针对现有方法难以解决的问题开展研究,主要解决带有饱和像素的局部定向稀疏高光情形下的图像信息恢复问题和真实自然场景中的全局高光去除问题。本文首先针对带有饱和像素的局部定向稀疏高光,利用基于前景背景分离原理的闭合式抠图法检测高光区域并得到高光检测系数矩阵,之后分别从实验和理论两个方面验证高光像素值和其在正常照明下的像素值之间存在的线性关系,从图像形成方程开始结合高光检测系数矩阵推导出照明恢复优化算子复原场景中被高光破坏的原始信息,再通过边界修复技术提升整体去高光质量。此外,本文将自然场景的高光图像作为主要研究对象,先利用照明量及其亮度直方图对自然场景和实验场景的差异进行阐述,然后从双色反射模型出发提出一种自然场景单幅图像高光去除模型,从图像中提取能真实反映镜面反射强度变化的低频信息,结合亮度通道和三个颜色通道的低频信息估计色度空间的镜面反射系数,最后通过归一化和空间变换实现对镜面反射分量的估计,进而得到去高光后的图像。实验结果表明,本文提出的方法能够有效地解决饱和像素的问题,在自然场景图像中取得了优于现有研究方法的去高光效果,并且不会引入伪影噪声,提升了图像的整体恢复质量。