线阵传感器是光学遥感成像中最为常用的一类成像设备,但由于系统性能的制约或各类外界环境的影响,探元在扫描成像的过程中可能出现不一致的响应,导致采集的影像出现明暗相间分布的条带噪声。该类噪声不同于遥感影像中的其它噪声,具有非常显著的结构化分布特性,对遥感影像原始特征结构破坏性大,严重影响了影像判读和后续应用。因此,研究条带噪声处理技术具有重要的理论意义与应用价值。条带噪声的表现形式多样,分布情况复杂,而现有方法大多适用范围有限,通用性与稳健性存在不足。本文针对遥感影像中复杂的条带噪声问题,利用变分框架良好的数学严谨性与模型扩展性,以“稀疏条带—多类型条带—斜向条带”处理为主线,构建顾及条带噪声特征的变分处理模型,主要研究内容如下:(1)提出一种顾及全局与局部特征的稀疏条带变分去除方法,用于实现遥感影像稀疏条带噪声的精确处理。该方法以稀疏理论为基础,通过多稀疏的联合约束,完成条带噪声的精准刻画。在全局尺度上,利用稀疏条带的稀疏分布特性,对条带噪声施加空间域的稀疏约束,“锁定”条带噪声的具体位置;在局部尺度上,根据条带的不对称方向特性,构建水平、垂直两个方向梯度域中的稀疏约束,刻画条带噪声的局部细节。实验表明,方法不需要预先获取条带噪声的位置信息就能实现稀疏条带的精准移除,且可有效克服现有方法在条带处理时的过度平滑问题。(2)提出一种一维滤波引导的多类型条带通用变分处理模型,以克服多类型条带噪声共存的复杂退化问题。在多角度分析条带噪声特征的基础上,该模型结合影像维度变化,从二维观测影像预测理想影像的一维均值曲线,然后将预测结果作为引导信息,约束、控制条带噪声的处理进程。为确保引导信息估计的准确性,理想均值曲线的预测过程(通过一维滤波)适应不同分布密度的条带噪声。测试表明,方法能稳健处理不同类型的水平或垂直条带噪声,即使在高密度条带噪声干扰的情况下,也依然能完成影像的可靠复原,克服了现有方法在通用性上的不足。(3)发展一种基于方向差分的斜向条带变分去除方法,以实现方向自适应的斜向条带噪声高保真去除。该方法从条带方向的获取出发,结合傅里叶变换和引导滤波计算条带噪声的方向信息;然后将条带方向融入方向差分技术刻画条带的平滑特性,并结合l1范数和全变差(TV)先验描述条带噪声的全局分布特性和观测影像的分段平滑特性,以构建兼顾条带噪声及理想影像特征的高精度条带分离技术。实验结果表明,方法能准确计算斜向条带的方向信息,且能实现任意方向斜向条带自适应的高保真去除,在较大程度上突破了现有技术在斜向条带噪声处理上的瓶颈。