1.基于高阶张量表示的高光谱图像异常检测方法，其特征在于，在先验初始模型基础上进行如下步骤，再反复迭代优化求解，获取基于高阶张量表示的高光谱图像异常检测模型，实现高光谱图像异常检测，包括：步骤1、利用组稀疏正则项，用于挖掘各谱段图像行空间结构差异性以及共享的稀疏性结构，对异常值进行检测；步骤2、利用对数和优化的高阶张量加权低TT秩对高阶张量数据进行秩近似，用于挖掘张量数据中蕴含的相关性，保持背景；步骤3、采用空间光谱全变分正则化项，用于刻画光谱空间分段连续性。
2.根据权利要求1所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述该模型对光谱图像进行低秩重建，实现高光谱图像异常检测。
3.根据权利要求1所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述先验初始模型的建立过程如下：假设异常值沿着张量的第二个维度分布，此外异常值与数据尺度相比具备稀疏的特性，故用L 2,1 范数来度量，则对于任意高阶张量的异常检测问题建模如下：其中， 是数据的先验约束项； 为输入模型的待处理的观测图像， 为背景低秩数据， 为模型输出的异常数据；引入低阶先验项 得到先验初始模型：
4.根据权利要求1所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述基于高阶张量表示的高光谱图像异常检测模型为：其中，λ t 为全变分权重因子，λ r 为低秩权重因子，β为组稀疏权重因子，μ为拉格朗日因子，α n 为张量模式矩阵权重因子， 为空间光谱全变分正则化项， 为利用对数和优化的高阶张量加权低TT秩项， 为组稀疏正则项。
5.根据权利要求4所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述对数和优化的高阶张量加权低TT秩项中，高阶张量是通过对图像进行升阶操作得到的高阶张量数据，并利用对数和范数进行的张量秩优化近似。
6.根据权利要求4所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述加权组稀疏项是对不同谱段光谱图像平滑性的描述，挖掘各谱段图像块行空间结构差异性以及共享的稀疏性结构。
7.根据权利要求4所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述空间光谱全变分正则化项，刻画光谱空间分段连续性，抑制噪声。
8.根据权利要求1所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述反复迭代优化求解过程中，当相邻两次图像恢复结果数据的误差在阈值范围内，则判断图像重建至当前轮次为符合收敛性，停止迭代。
9.根据权利要求8所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述误差函数为：其中， 为输入的观测数据， 为低秩数据，ε为异常数据，tol为给定阈值。
10.根据权利要求1所述的基于高阶张量表示的高光谱图像异常检测方法，其特征在于，所述反复迭代优化求解是采用ADMM算法。
