为了避免现有的高光谱图像去噪优化模型仅考虑有限的高光谱内在结构特点、并未实现图像特征的精确表征的问题, 采用了一种基于空谱深度图像先验与平滑的高光谱图像去噪方法, 将紧框架变换与具有高表达与强学习能力的深度学习模型进行结合, 构建基于深度学习的噪声去除模型。首先在低秩矩阵分解的基础上, 利用特定的深度图像先验学习潜在的空谱特征; 然后分别构建端元与丰度矩阵的紧框架稀疏正则探究空谱局部平滑, 并解决深度图像先验的半拟合问题; 最后设计高效迭代算法实现模型求解。结果表明, 基于空谱深度图像先验的方法在各种复杂的噪声干扰下均表现出较好的视觉恢复性能, 峰值信噪比至少有1 dB以上的提升, 得到了高质量的恢复图像。该方法为高光谱图像去噪提供了参考。