1.一种结合L0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法，其特征在于，所述方法包括以下步骤：步骤1)获取待去噪的高光谱图像数据；

步骤2)计算上述待处理高光谱图像的L0梯度，公式如下：其中,yi,j,c表示在(i,j)像素处的第c个通道分量，有如下约定：如果x≠0,F(x):＝1,否则,F(x):＝0，且如果i+1>M,|yi+1,j,c-yi,j,c|:＝0；j+1>N,|yi,j+1,c-yi,j,c|:＝0， 是计算图像的垂直和水平梯度非零的像素数；

步骤3)将高光谱图像分割成m×n×p固定大小的图像块，建立基于局部低秩约束模型；

步骤4)结合L0梯度约束和局部低秩约束模型构建去噪模型，恢复出三维无噪高光谱图像。

2.如权利要求1所述的一种结合L0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法，其特征在于，所述步骤4)的处理过程如下：(4-1)结合用户给定L0梯度参数和局部低秩约束模型构建去噪模型：式中，α为用户给定的参数，它是 的最小上限值；

进一步的，步骤(4-1)转化为以下等价形式：式中，τ为L0梯度约束正则项系数；

(4-2)对去噪模型进行求解，得到无噪数据L。

3.如权利要求2所述的一种结合L0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法，其特征在于，所述步骤(4-1)的处理过程如下：(4-1-1)为了使上述模型满足增广拉格朗日函数求解形式，L0梯度做如下表示形式：式中，D＝[Di,Dj]表示离散差分算子,其中，Di和Dj分别表示水平和垂直方向上的离散差分矩阵，B表示元素为0或1的对角矩阵， 表示·的子空间ζ'的非零L1范数的个数；

(4-1-2)引入v＝DX，结合公式(5)，去噪模型表示为：(4-1-3)对于由运算符B组成的混合L1,0伪范数的不等式约束，定义指示函数：(4-1-4)去噪模型转化为如下形式：

4.如权利要求2所述的一种结合L0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法，其特征在于，在所述步骤(4-2)中，求解v的公式更新如下：式中,μ是惩罚参数，Λ3是拉格朗日乘子。

5.如权利要求4所述的一种结合L0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法，其特征在于，在所述步骤(4-2)中，v的计算过程如下：(4-2-1)根据 计算 所有像素点(1)…,(MN)的L1,0伪范数并从大到小依次排序；其中,MN是像素点数；

(4-2-2)对(4-2-1)中大于α的下标位置的L1,0伪范数全部设置为0；

(4-2-3)更新v： 其中，I表示单位矩阵；

(4-2-4)若v满足迭代终止条件，即： 其中，ε是设定阈值，则终止迭代，输出无噪数据L，否则，令k＝k+1，继续迭代更新v。

6.根据权利要求2-5之一所述的一种结合L0梯度约束和局部低秩矩阵恢复的高光谱图像去噪方法，其特征在于，α的取值范围为图像像素点的15％-17％。