高光谱成像技术是目前遥感技术发展的一个前沿技术，已被成功应用于许多领域。高光谱成像技术一个突出的优势是，在采集反应地物空间与几何特性的二维图像的同时，获取地物连续的光谱信息。高光谱遥感图像的“图谱合一”的特点给遥感技术的应用带来了巨大的变革。一方面，深化了传统遥感图像的应用，如利用地物光谱属性，可以对地物间微小差别进行精细识别;另一方面，拓展了遥感应用的分析手段，将传统遥感侧重于定性分析推进到定量分析中，如高光谱解混（Umixing）技术在确定端元(Endmember)光谱的同时，还可以获得每种端元在像元内含有的比例。　　 高光谱成像技术的应用使得基于图像和光谱的遥感技术的应用逐渐朝更加精细准确的方向发展，对图像质量也提出了更高的要求。在高光谱成像的过程中，受到采集环境、传感器噪声和其它一些不确定因素的干扰，采集的原始数据中往往含有各种噪声。噪声的存在降低了图像质量，抑制了有用信息，影响信息提取的精度，有时甚至会导致完全错误的结论。因此对星载或机载获取的高光谱图像进行预处理，降低噪声，为后续各种应用提供更高质量的图像，是获取高光谱图像后的首要工作。　　 与传统的宽波段遥感相比，成像光谱仪的成像质量更易受到环境的干扰，且其噪声的来源和特点也更为复杂。高光谱图像可以看作是包含两个空问维和一个光谱维三维张量，其特点有别于传统的多光谱图像。由于传统的灰度图像和多光谱图像的降噪算法已经无法满足高光谱图像降噪的需求，因此根据高光谱数据的特点研究新的降噪算法已成为高光谱图像处理领域的一个新热点。本文在分析影响光谱仪成像质量的各种因素、高光谱图像噪声的来源及特点的基础上，针对高光谱图像的特点，综合考虑了信号在空间域和光谱域的不同属性，提出几种降低高光谱图像随机噪声的策略。例如，一方面，对空间域和光谱域信号可以采用的不同先验，或是采用不同的正则化参数;另一方面，利用光谱属性随空间变化的特性以及噪声统计量随波长变化特点。本文的创新成果主要有以下三点:　　 1.提出了一种基于多尺度平滑的高光谱图像降噪框架。该框架克服了传统的光谱域降噪无法利用空间邻域信息，以及二维的空间域降噪无法利用相邻波段间较强的相关性的缺陷。该框架针对高光谱图像“图谱合一”的特点，充分利用了空间图像在小波变换域能量的集中性和系数的稀疏性，以及像元光谱具有较强的连续性和平滑性的特点。首先对每个波段的光谱图像单独进行小波变换;然后在小波变换域内，沿着光谱轴方向利用三次样条平滑对含有噪声的信号进行降噪;最后对降噪后的系数信号进行小波逆变换。为了适应高光谱图像噪声强度随波长变化的特点，估计各个波段噪声方差来调节局部的平滑程度。　　 2.基于最大后验(MaximumaPosteriori)概率模型，提出了一种空间域和光谱域混合的先验降噪算法。针对空间域和光谱域信号表现出的不同性质，在建模的过程中，对空间域和光谱域信号采用不同的先验。并且针对不同物质的光谱具有不同的平滑性，提出了一种空间自适应加权的光谱先验。该先验定义为平滑性和不连续先验的加权和，权重通过光谱的不平滑性测度来计算。实验结果表明，空间域和光谱域的混合先验可以更好的去除噪声，同时空间自适应的光谱先验对不同的地物具有更强的适应性，可以更好地刻画不同地物的光谱属性。　　 3.基于矢量全变分降噪模型，本文提出了一种混合空间域和光谱域矢量全变分的高光谱图像降噪模型。一方面，将高光谱数据看作是具有相似几何结构二维空间位置的矢量函数（多通道图像），建立空间域的矢量全变分;另一方面，高光谱数据还可以看成是由一条条光谱曲线构成光谱数据，所有的光谱曲线都是波长的函数，因此建立光谱域的矢量全变分。将二者同时作为变分降噪模型的先验项，并且采用不同的平滑参数来调节两个矢量全变分约束。在该模型中，可以对矢量光谱信号和空间信号任意选择不同的矢量全变分形式。利用矢量全变分的对偶表式，通过对原始域和对偶域进行交替优化的方法来求解该模型。该算法不仅可以去除随机噪声，而且可以去除部分条带噪声。　　 本文的研究表明，综合考虑以下几点有利于高光谱图像降噪:对空间域降噪的同时对光谱域进行降噪;对空间域和光谱域信号进行分别建模;在建模的过程中尽可能考虑模型对光谱信号的空间自适应性和空间信号的光谱自适应性。