光照的变化能够明显改变物体的外观。人们通过对光反射模型的研究,知道物体表面的反射光主要由镜面反射光和漫反射光两部分组成。其中镜面反射光和观测方向密切相关,漫反射光与物体表面材质相关,与观测方向无关。在计算机视觉领域,许多研究人员通过对这两个反射光成分的分析,获取物体的三维信息、物体所处环境的光照等等隐含信息。在许多具体应用中,如物体分割,识别,跟踪等,镜面反射光与漫反射光的混杂使得算法的鲁棒性和准确性大大降低。鉴于以上原因,人们开始研究利用镜面反射光与漫反射光各自不同的特性,希望能够将这两个成分分离,即二分光问题的研究。本文的研究工作正是围绕如何利用单张图像中的视觉信息,在物体儿何参数、表面材质以及环境光照条件等未知的情况下,将这两个成分光分离这一问题展开的。因为在数学上,该问题是病态的,不可能一蹴而就的解决所有的情况,所以,本文将研究重点集中于透明光滑介质表面(人眼角膜,玻璃面)图像的二分光问题。此时来自于介质后方的透射光可以看作是漫反射成分,与介质前方的镜面反射成分一起,在介质表面的反射光图像中,非常清晰的反映着介质两侧的信息。由于该问题中的两成分光通常较为复杂,前人的二分光算法并不能很好解决。所以,本文提出了三种新的二分光算法:对于角膜,本文提山了利用角膜物理特征的二分光算法:对于普通介质(如玻璃面等),本文提出了利用局部交叉点特征的二分光算法:由于局部特征对全局约束不够,本文又提出了利用两成分光所形成的图层的语义信息进行约束的二分光算法。实验证明本文提出的二分光算法较前人的算法效果更好,更为准确鲁棒,能处理更为复杂的情况。本文首先介绍了二分光研究的背景及意义,回顾了前人二分光算法的成果,分类对前人方法进行分析和比较,指出其优点和不足之处,并给出研究的难点。然后,本文针对二分光问题中较为困难的透明介质单幅图像的二分光问题,提出了三种新的分离算法。对于人眼角膜图像,虹膜的纹理被看作是漫反射成分,此时的角膜图像虽然包含了外界环境的光照信息,但由于纹理的影响非常不准确。而对于具有复杂纹理的漫反射成分和变化较多的镜面反射成分的分离,前人的二分光算法是无法处理的。所以,本文提出了利用人眼角膜的物理特征(虹膜颜色,虹膜纹理的放射状分布,左右角膜的立体视觉对应)的二分光算法,利用求解能量函数,将角膜的镜面反射光成分分离出来。实验证明经过二分光之后的镜面反射成分更为准确的反映了环境光照的信息。对于普通透明介质表面的反射光图像(如玻璃表面),基于人眼角膜物理特征的二分光算法不再适用。此时的二分光问题更为复杂。两成分光分别反映了介质两侧的场景信息,形成了两个透明图层。本文提出了通过求解两透明图层梯度,对两成分光进行分离的思想,分析了反射光图像中的局部交叉点特征,建立交叉点区域的概率模型,对交叉点进行分类,并用线性变换对各种不同类型交叉点进行分离,然后利用这些交叉点区域约束其它非交叉点的分离,从而得到整幅反射光图像的梯度分离结果,经过梯度重建得到与成分光对应的两分离图层。由于局部特征对于全图的分离过程约束不足,本文又提出了基于语义信息的二分光方法,并仍然采用梯度描述。本章算法将图像用面片表示,通过对样本数据的学习,建立语义与面片之间的关系,即SOLDA概率模型。在反射光图像进行分离时,利用两图层的语义信息约束图层中的面片分布,从而控制面片的分离过程。本章采用了Gibbs采样的方法,对图层语义给定与不给定两种情况进行求解。在不知道图层语义时,能够在分离图层的同时,给出图层的语义。