由于成像设备、传输条件等因素影响，高光谱图像常常会携带多种噪声。为提升高光谱图像后续应用的效果，去除噪声是十分必要的。本文通过分析高光谱图像的先验结构特征，提出基于张量低秩分解、混合空谱梯度域低秩分解及组稀疏先验的高光谱图像去噪模型。首先，引入高阶梯度，充分挖掘高阶差分各方向之间的内在联系，利用1阶和2阶梯度算子将高光谱图像从原域变换到梯度域，在混合梯度张量上建立加权的l_1，2范数来探索高光谱图像的梯度组稀疏先验；其次，同时在梯度域和原域探索高光谱图像的低秩先验。通过变换域低秩理论证明了梯度域的低秩性，并用核范数最小化来约束梯度域的低秩特征；然后，采用经典的张量Tucker分解方法来保证高光谱图像原域的低秩先验。新模型充分利用高光谱图像的先验信息，有效去除了混合噪声，极大地改善了后续高光谱图像处理任务的性能。最后，通过在模拟数据集和真实数据集上进行的对比实验，证明了新模型在高光谱图像去噪领域的优越性。本文模型复原结果比次优模型平均峰值信噪比提高了5.35 dB，平均结构性相似指标提高了0.009。

为了解决单一的中值滤波和高斯滤波算法对低照度图像中同时存在的脉冲噪声和泊松噪声抑制效果不佳、边缘细节保护不足的问题，提出一种基于可编程逻辑门阵列(field programmable gate array，FPGA)的开关中值-高斯融合(open and close mix-median-Gaussian，OCMMG)滤波算法。首先，利用最小四方向差值检测每个像素点的异常程度，根据脉冲噪声判别阈值分配权重，进行第1步滤波处理；然后，利用四方向边缘检测算法提取图像边缘，根据设置的边缘置信度表征值进行第2步滤波处理；最后，用电子轰击有源像素传感器(electron bombarded active pixel sensor，EBAPS)在1×10^?3 lx照度条件下采集的图像，基于FPGA对其进行实时图像处理。实验结果表明，FPGA处理结果与软件仿真处理结果相符。该算法相比于中值滤波和高斯滤波算法，峰值信噪比分别提高了3.23%和16.34%，结构相似性分别提高了14.66%和33.86%，边缘保持指数分别提高了0.49%和4.21%，能够有效去除EBAPS图像的混合噪声，并满足实时性要求。