高光谱遥感图像具有丰富的空间信息与光谱信息,已经广泛地应用于诸多民用和军事领域。受成像技术的约束,高光谱遥感图像成像过程中不可避免地会引入条带噪声的干扰。高光谱图像条带噪声的去除是其预处理的关键一步。基于此,本文主要针对高光谱遥感图像中存在的条带噪声的去除问题展开研究,主要的工作内容如下:(1)传统的图像分解理论都是将退化的高光谱遥感图像分解为条带噪声、随机噪声和目标图像三个部分。为了进一步利用目标图像的先验知识,本文进一步将目标图像细分为平滑区、过渡区和跃变区三个区域。区别于传统去条带模型采用统一的正则项约束目标图像,本文对于这三个不同的细分区域采用自适应Lq TV(7)q(28)0,1,2(8)正则项约束。对于条带噪声部分,采用迭代重加权核范数约束其低秩特性以提高传统核范数低秩性约束的鲁棒性。值得一提的是,本文提出的模型可以看作是传统图像分解模型的泛化模型,在一定情况下可以退化为传统图像分解去条带模型。(2)传统的去条带工作往往是基于矩阵运算一帧一帧的处理高光谱遥感图像,这样的处理方法可能会破坏相邻谱段的光谱连续性。基于此,本文提出了一种新颖的基于张量分解与列稀疏性的多方向全变分去条带算法。首先,针对目标图像部分采用多方向全变分正则项约束;其次,对于条带噪声采用低秩Tucker分解与加权L21范数联合约束,保证其低秩特性和列稀疏性;最后,引入一个非凸数据拟合项保证目标图像与退化图像之间的相似性。一系列仿真实验和真实实验结果表明,本文算法对于高光谱条带噪声的去除具备有效性和高效性。