我们提出了一种新的Kronecker高光谱(HS)图像压缩感知方法,包括成像机制和相应的重建方法。 所提出的机制能够在采样时压缩所有维度的数据,这可以通过三个完全独立的采样设备来实现。 结果,该机制大大减少了控制点和存储需求。 另外,我们还可以根据不同的HS图像选择合适的稀疏基并生成相应的优化感测矩阵或独立更改每个维度的采样率分布。 作为机制的合作,我们将稀疏模型和低多线性秩模型相结合,以开发一种重构方法。 分析表明,与基于稀疏模型的传统方法相比,我们的重建方法具有较低的计算复杂度。 仿真证明,只需很少的测量就可以成功重建HS图像。 综上所述,所提出的方法可以降低复杂度并提高HS图像压缩感测的实用性。