1.基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，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，获取基于光谱信息融合的高阶张量光谱图像超分辨率重建模型，实现高阶张量光谱图像超分辨率重建，包括：步骤1、添加加权低TT秩高阶张量正则项，用于利用高-多光谱图像的高空间-光谱相关性和非局部自相似性，挖掘块张量数据中蕴含的非局部自相似性；是通过对图像分割成一组图像块，找到与选定块最相似的一组块进行堆叠，形成4D非局部自相似块；步骤2、添加加权组稀疏正则项，用于描述高光谱图像的空间-光谱连续性；步骤3、添加加权光谱解混正则项，将加权非凸正则化的线性谱分解作为谱正则化，以减少谱失真，实现高-多光谱信息融合；所述基于光谱信息融合的高阶张量光谱图像超分辨率重建模型为：其中， 为加权低TT秩高阶张量正则项， 为加权组稀疏正则化项， 为高光谱、多光谱的加权光谱解混正则项，λ r 为低秩权重因子，λ t 为组稀疏权重因子， 为待恢复图像的权重因子， 为输入图像的权重因子，W r 为低秩权重矩阵，W t 为组稀疏权重矩阵， 为待恢复图像的权重矩阵， 为输入图像的权重矩阵，U 1 为待恢复图像的丰富度，U 2 为输入图像的丰富度。
2.根据权利要求1所述的基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，其特征在于，所述基于光谱信息融合的高阶张量光谱图像超分辨率重建模型用于高光谱图像和多光谱图像融合，对光谱图像进行超分辨率重建，有效提升光谱图像超分性能。
3.根据权利要求1所述的基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，其特征在于，所述先验初始模型为，带有先验信息正则项的传统先验建模，记为：其中， 为空间域保真项， 为谱段域保真项， 为观测到的低分辨率HSI张量数据， 为多光谱成像传感器在同一场景中获得的高分辨率MSI张量数据， 为所要恢复的高分辨率HSI张量数据，B为采样算子，S为模糊算子， 为光谱域的退化算子， 为先验信息。
4.根据权利要求1所述的基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，其特征在于，所述加权组稀疏正则项用于描述不同谱段光谱图像平滑性，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。
5.根据权利要求1所述的基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，其特征在于，所述加权光谱解混正则项，采用非凸正则化的线性谱分解作为谱正则化，以减少谱失真。
6.根据权利要求1所述的基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，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。
7.根据权利要求6所述的基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，其特征在于，所述误差函数为：其中，K为迭代次数， 为所要恢复的高分辨率HSI张量数据， 为观测到的低分辨率HSI张量数据，当误差函数在设定阈值范围内时，算法收敛停止计时。
8.根据权利要求1所述的基于光谱信息融合的高阶张量光谱图像超分辨率重建方法，其特征在于，所述反复迭代优化求解是采用ADMM算法。
