在人的视觉系统中,人眼对颜色的感知不会受到光照变化的影响,可以轻松的区分出颜色变化还是光照变化。例如人眼可以分辨出黑色和白色是颜色上的差异而不会认为这是光照明暗变化的结果。在本征图像研究中,将物体材质信息称为反照率(reflectance),将明暗信息称为光照(shading)。本征图像问题就是从一张图像中恢复出它的反照率图和光照图。本征图像问题是计算机视觉领域的一个基础问题,可以延伸出很多的应用,比如Shape from Shading、物体材质编辑、纹理替换等等。从一张图像中恢复出两张图,这是数学上的一个欠约束(病态)问题,具有很大挑战性。迄今为止,本征图像分解仍然是计算机视觉领域的一个开放问题。目前本征图像的算法均使用光照全局光滑假设,然而这一假设常常因为阴影或者物体几何形状剧烈变化而不成立,最终影响分解精度。为了解决阴影对本征图像问题的影响,本文提出一种新的光照分解模型,将光照分解为阶跃分量和平滑分量。阶跃分量体现了光照的阶跃/突变特性,平滑分量体现了光照的连续光滑变化的特性。在视觉上表现为局部区域的像素点光照变化是连续缓慢的,这一区域上的像素点都具有相同的阶跃分量数值,而仅仅具有不同的平滑分量数值。不同区域上的像素点,它们具有不同的阶跃分量数值。通过对光照进行分解,可以保证光照全局光滑假设在平滑分量上一直成立,而不会受到图像中阴影的影响。在本文中,我们将本征图像问题描述为一个后验概率最大化的问题,通过分别对光照两个分量和反照率进行约束,得到含有两个参数的能量函数。通过梯度下降方法,我们给出交替迭代求解方法。通过对光照分量分别进行约束,我们最终可以得到光照图,光照阶跃分量图和光照光滑分量图,以及反照率图四张本征图像分解图。通过在不同图像集上进行交叉对比验证,我们的算法要优于其他单张图像的算法,并且本文提出的光照分解模型可以作为一个框架应用在其它单张图像算法之上,提高分解精度。