近年来,高光谱图像在环境监测、军事侦察、医疗诊断等军用及民用领域都有重大的研究和应用前景。如何获得高质量的高光谱图像是光谱成像技术研究的重要方向。目前高光谱成像主要采取两种方式:1)基于扫描的方法,即通过牺牲时间来扫描得到静止的光谱图像;2)计算成像方法,即通过计算调制后光谱数据获取动态的高光谱视频。传统扫描方式,大都需要时序的扫描策略去捕获完整的三维光谱数据,这种成像方式比较耗时,硬件昂贵,且很难实现空间维和光谱维的高分辨率成像。最近基于压缩感知理论的计算成像方式得到了快速的发展,这种成像方式能从远少于传统成像方式所需的数据中复原高光谱图像。而全色相机与编码孔径快照光谱成像仪结合的两路混合光谱相机成像系统受到了广泛的关注和研究,其中如何从两路采样数据中高精度地计算重构高光谱图像成为了问题的关键。本文进而提出两种新型计算重构模型和算法,并通过仿真实验进行了对比和验证。本文的主要研究工作和贡献点如下:（1）提出了一种基于空谱全变差约束的协同张量正则化方法。针对高光谱图像的高维结构特性,采用协同张量Tucker分解描述高光谱图像的全局空-谱相关性;其次,与全色图像建立约束关系,能够更好地利用全色图像的空间信息;最后,结合高光谱图像空间维分片光滑性和光谱连续性先验,引入各向异性加权空谱全变差表征其空-谱结构;进而建立空谱全变差约束的协同张量正则化模型,设计了基于交替方向乘子法的迭代求解算法。实验结果验证了该方法的有效性及提升了图像的空间结构保真度。（2）提出了一种基于自适应非局部低秩张量正则化模型与算法。该模型基于两路混合光谱相机装置的观测模型建立数据保真项,并结合全色图像非局部相似性引导构造潜在非局部高光谱图像块的4阶-张量秩,建立优化模型。具体而言,对非局部相似块分组构成的4阶张量施加低秩张量列（tensor train,TT）约束,能够有效地学习空间、光谱和非局部模式的相关性。并为不同模式的展开矩阵设计一种自适应权重,能够有效地提升不同维度之间的可辨别性。在两个数据集上的仿真实验,表明该方法能够显著地提升高光谱图像的重构质量及保持图像的细节特征。（3）设计实现了一个压缩感知计算成像仿真系统。该系统集成了针对两路混合光谱相机成像系统中常用的三种算法及本文提出的两种基于张量的方法,实现了将光谱图像计算重构、光谱图像可视化、光谱图像质量评价合为一体的功能,并能通过两路相机系统成像仿真功能合成的数据来验证各类重构算法的优劣。