高光谱图像在获取过程中常受到多种噪声的干扰, 如高斯噪声、脉冲噪声、条纹噪声等, 为确保后续应用的顺利进行, 提出了一种基于加权Schatten范数低秩表示的高光谱图像恢复方法。该方法引入低秩表示模型恢复高光谱数据, 采用加权Schatten范数代替核函数, 更精确地逼近秩函数; 并选用初步无噪图像作为低秩表示的字典, 进一步提高了模型对图像的恢复能力。另外, 引入拉普拉斯正则项刻画数据内部的几何结构, 能保持图像的细节。模拟和实际高光谱数据的实验结果表明, 较多种相关的方法在视觉效果和量化指标值都有很大地改进。与经典的基于低秩先验的恢复方法相比, 本文算法的平均峰值信噪比提高2.74 dB, 平均结构相似性数值指标提高0.03, 而平均光谱角降低1.40。新模型不仅能充分利用高光谱图像光谱维的低秩先验, 而且保持了数据内部的几何结构, 有利于恢复出高质量的清晰图像。