在图像处理领域中,纹理特征的提取和表示直接影响了后续工作的进行和实验结果的质量,因此而具有十分重要的意义。近些年来,基于对稀疏表示和低秩矩阵的研究和发展,视觉不变性低秩纹理受到越来越多的关注。其中较为瞩目的是基于不变性低秩纹理的图像矫正方法,该方法不需要定位和提取传统的边缘、角点等局部特征,而是将畸变或受损的低秩纹理模型化,并使用凸优化算法进行有效求解。实验结果表明,该矫正方法对于大部分包含丰富低秩成分的合成图像、自然图像,均具有良好的矫正效果,且对于噪声、遮挡、光照变化以及尺度缩放等干扰因素具有很强的鲁棒性。然而,现有的基于不变性低秩纹理的图像矫正方法,在算法性能和可处理的复杂场景上,仍具有一定程度的局限性。因此,优化算法使其具有更好的处理性能以及更广泛的应用范围显得至关重要。本文首先介绍了低秩纹理的概念,并系统地阐述了现有不变性低秩纹理矫正方法的理论、模型以及推导过程。其次,本文针对包含多个相邻低秩纹理区域的图像,将霍夫变换直线检测方法应用到相邻纹理相交线的定位问题,通过将不同纹理最优分割实现多个纹理的正确矫正。最后,本文详细地介绍了多分辨率和分支定界策略,并将其应用到多低秩纹理区域矫正方法的优化过程中,使得优化后的算法在收敛范围和迭代效率上都得到了显著提升。通过对现有矫正方法的深入研究和优化,本文将原算法推广到常见的包含多个低秩区域图像的矫正,并有效提升了算法的处理性能。大量的实验结果表明,本文所研究的算法,对于常见的包含多个外立面的建筑表面等复杂情况,具有广泛的应用前景,且在矫正效果和算法鲁棒性上都具有显著提升。