随着图像成像技术不断发展,图像在卫星遥感和临床医学等领域中具有重要的应用价值。在这些应用领域中,采集到的图像往往是三维图像。因此,针对三维图像的表示和处理具有十分重要的应用价值。稀疏低秩表示模型被广泛应用于三维图像,并取得了许多显著性成果。但是现有稀疏低秩模型对于结构特征表示仍不完善,值得进一步的研究。为了进一步完善结构化稀疏低秩模型,提高在三维图像上的表示性能,本文针对三维图像的结构化稀疏低秩模型及其在三维图像处理中的应用展开了研究。本文的主要研究工作和创新点如下:1、提出一种三重低秩模型并将其应用于多种三维图像处理。通过深入分析传统低秩分解模型中的低秩部分与原始矩阵之间的内在结构以及低秩部分自相关性约束,本文提出了一种三重低秩模型,能进一步提高模型的鲁棒性以及其稀疏部分与低秩部分分离的精度。将该模型应用于高光谱图像去噪及医学图像融合三维图像处理领域。相关实验结果验证了该三重低秩模型在不同三维图像处理领域有效性。2、提出一种多成分低秩字典学习模型并将其应用于多种三维图像处理。为了能有效地表示三维图像中的多种成份,本文提出了一种多成分低秩字典学习模型,该模型针对不同成分分别采用不同的字典进行稀疏表示,同时还考虑了字典的低秩特性。并且设计相应的联合低秩字典学习算法进行联合字典学习。此外,将该模型应用于三维医学图像融合及高光谱图像去噪领域,相关实验结果验证了多成分低秩字典学习模型的有效性。