由于高光谱成像传感器的物理局限性、图像数据传输过程中的干扰和光子效应,实际采集到的高光谱图像常常不可避免地受到不同类型噪声的干扰。噪声的存在既影响了影像的目视效果,又对遥感影像的解译任务和定量产品反演产生了不同程度的负面影响。因此,如何通过设计相应的算法去除高光谱遥感影像的噪声,提高影像数据的视觉质量和利用率,是当前高光谱遥感影像处理领域的一个热点问题。本文针对高光谱影像混合噪声去除问题,在正则化框架之下,联合高光谱遥感影像本身的空间低秩特性和光谱低秩特性,提出了双线性低秩矩阵分解模型。主要工作与创新点如下所示:1)提出了基于双核范数的双线性低秩矩阵分解模型。现有的低秩先验不能同时刻画高光谱遥感影像的空间低秩特性和光谱低秩特性。针对此问题,本文提出了可以同时描述高光谱遥感影像空间低秩特性以及光谱低秩特性且更接近于秩函数的双核范数。并基于双核范数提出了用于高光谱影像噪声去除的双线性低秩矩阵分解模型。因为该模型可以很好地刻画高光谱影像本身的低秩特性,因而不仅可以很好的去除混合噪声,而且可以很好的保持影像本身的信息。2)提出了双线性低秩矩阵分解全变分模型。双线性低秩矩阵分解模型只考虑了高光谱遥感影像整体的空谱域冗余性,而忽略了对影像局部结构特性的刻画,例如影像的分段平滑结构。针对该缺点,本文联合了各向异性空谱全变分先验和双线性低秩矩阵分解模型,提出了双线性低秩矩阵分解全变分模型。该模型不但从整体的角度约束了高光谱遥感影像的空谱低秩特性,而且局部的角度约束了影像的结构特性,提高了双线性低秩矩阵分解模型的去噪能力。