高光谱图像（HSI）在采集过程中通常会因噪声而损坏，因此，对于以下应用，恢复嘈杂的HSI是必不可少的步骤。 低秩表示（LRR）为我们提供了一个非常强大的工具来检测高光谱数据的子空间奇异性，但是如何找到合适的子空间可以更好地确保低秩属性，以及如何构建更健壮的字典以适合LRR框架仍然是开放的问题。 本文在此基础上，提出了一种利用频谱空间的并集结构和鲁棒字典估计的基于LRR的HSI恢复方法。 在这种方法中，频谱空间由根据不同土地覆盖的几个低秩子空间的并集结构表示，并使用鲁棒主成分分析（RPCA）对字典