本文针对本征图像分解问题,首先提出了基于分层分解结构,利用零范数稀疏表示建立非局部像素间反射率上关联关系的单幅图像本征图像分解方法。本方法能够以无监督的方式构建非局部像素间反射率上的关联关系,因此相较于以往完全基于局部特征的方法,本方法能够捕捉全局反射率上的关联关系,得到全局一致的反射率层图像。并且分层的分解结构使得本方法分解效率更高且不过度依赖于色度特征,因此对真实场景的图像分解更加鲁棒。此外,加上光照均匀变化约束和全局亮度尺度约束,本方法的本征图像分解模型可以推导成一个有闭形式解的二次函数最小化问题。与其它方法在标准数据集和自然图像上的比较验证了本文单幅图像本征图像分解方法的有效性。其次,本文提出多幅图像协同本征图像分解的概念,即对有相同前景,背景、光照任意的多幅图像进行联合本征图像分解,要求分解得到的多幅反射率层图像中相同前景的反射率值保持一致,即有相同的颜色及亮度。本文采用超像素表示反射率层图像,然后基于零范数稀疏表示,以统一的框架构建出图像内部和图像之间超像素间反射率上的关联关系。最后基于单一颜色光的图像形成模型,光照均匀变化约束、亮度尺度约束和得到的超像素在反射率层上的关联关系共同构建了协同本征图像分解模型。在多组自然图像上的实验结果证明了本文协同本征图像分解的有效性。此外,本文将协同本征图像分解应用到微小变化检测中的光照一致化和协同显著性检测问题中。