在计算机视觉领域中,解决图像或视频中的光照一致化问题是一项基础性的工作。现在的很多图像处理应用中,首先需要去除掉图像中的光照条件带来的影响,也就是说,需要对图像进行光照一致化处理操作,然后在此基础进行进一步的相关操作。光照一致化过程作为一个预处理过程,在很多方向都有十分重要的应用价值,如视频监控,异常行为检测等。在本文中,提出的光照一致化问题主要是针对室外场景微变检测这一应用,首先提出了基于协同本征图像的光照一致化方法,该方法从反射率层图像的色域稀疏性上出发,对图像进行超像素提取并以超像素为单位提取特征,然后再通过零范数的稀疏表示建立多幅图像间的关联关系,最后对多幅图像进行协同分解,然后再将反射率层图像和光照层图像进行合并,得到最终的具有一致光照条件的图像。受本征图像分解模型的启发,我们又提出一种基于协同分层分解模型的光照一致化方法,该方法提出采用概率模型框架对图像进行分层分解,对于反射率层的图像,添加稀疏约束条件,保证该层图像有较长的尾端分布,相对于反射率层图像来说,光照层的图像添加平滑约束条件,保证该层图像具有较短的尾端分布。因为两张图像中的变化区域较小,因此可以认为两张图像中的变化层的图像是十分稀疏的,由于单张图像分解后能够得到不错的效果,所以将两张图像通过反射率层图像之间的关系建立关系,最后将两张图像的分解问题规则化成一个优化问题。本文提出模型能够将两张图像的光照层图像和反射率层图像以及微小变化的图像层分离出来,从而解决了室外场景微变检测过程中的光照一致化问题。