高光谱图像技术广泛应用于农业、环境监测、地质探测等领域。然而,高光谱图像在获取中,受多种因素影响,会含有不同类型的噪声,这对后续的高光谱应用,如分类、识别和目标检测等将产生较大影响。因而,高光谱图像去噪是高光谱图像处理中的研究重点和热点问题之一。高光谱图像同时含有地物的空间和谱维信息,具有较大的数据量和信息量,且数据之间具有较强的空谱相关性。因此,本文利用低秩张量对高光谱图像进行建模。在张量变换域,探寻更优的张量低秩逼近,同时结合噪声先验,建立变换域低秩张量的高光谱图像去噪模型,并提出相应算法。论文的主要工作和研究内容如下:（1）高光谱张量的各个模态具有不同的物理意义,通过对张量数据各个模态同时进行变换,可得到更全面丰富的信息。基于自适应变换域的张量奇异值分解,提出了9)模自适应变换域的张量非凸低秩表示。首先将高光谱张量数据的各个模态分别进行正交变换,得到对应的变换域张量,在此基础上,定义了新的9)模自适应变换域张量核范数。进而,结合低秩的非凸松弛,定义了9)模变换域张量非凸范数,并分析和证明了其性质。最后,建立了高光谱图像非凸低秩张量正则的去噪模型,并利用交替方向乘子法对模型进行求解。与现有的低秩张量和变换域低秩张量方法相比较,所提出模型能够有效去除高光谱图像中的高斯和脉冲混合噪声,且具有较强的鲁棒性和稳定性。（2）利用小波变换能够很好刻画图像几何结构的优点,提出了基于小波域的张量低秩Tucker分解的高光谱图像去噪模型。首先对高光谱张量数据沿着空间维进行二维小波变换,得到具有高相关性的小波域系数张量。进而对此系数张量进行低秩Tucker分解,在此基础上,提出了小波域低秩Tucker分解的高光谱去噪模型。模型的求解采用了交替方向乘子法。经过数值实验,实验表明所提出的模型对高斯噪声以及脉冲噪声的混合噪声有着良好的去噪性能,且在光谱的保真方面具有明显的优势。