为进一步抑制遥感图像的非均匀噪声,首先分析了空间遥感高光谱图像条带噪声产生的原因及噪声模型,进而提出一种基于窗口阈值判决的改进矩匹配算法。选取相对平坦,且条带噪声与背景对比较明显的区域进行阈值估算,并选取参考均值、标准差和条带阈值判决对条带噪声进行矩匹配处理。实验结果表明,所提算法的峰值信噪比相对传统方法至少提高了6.2163 dB,均方误差最小降低了5.9630,结构相似度至少提高了0.254。与传统方法相比,采用所提方法处理后的图像变异逆系数有所提高,图像横向梯度与标准差有所降低,该方法还去除了图像中的条带噪声,保留了原始图像的细节信息。

非制冷红外焦平面阵列的固定图案噪声具有与条带噪声相类似的特性.通过对矩匹配算法和时域高通滤波算法的研究, 提出了一种多尺度时域矩匹配非均匀性校正算法.首先利用高斯金字塔对相邻帧待校正图像进行全局运动估计, 然后对各尺度的高斯金字塔和拉普拉斯金字塔分别进行时域矩匹配.对真实红外图像序列的实验结果表明, 该算法在提高收敛速度的同时可有效减少鬼影现象的出现.

非制冷红外焦平面阵列的响应非均匀性通常表现出与条带噪声相类似的特性。基于场景的校正算法是提高图像质量，补偿响应特性漂移的有效措施。在深入研究矩匹配理论的基础之上，提出了一种新的时域矩匹配非均匀性校正方法。利用相邻帧矩匹配后的图像对场景的变化列进行估计，并在时间域对校正参数进行自适应更新。利用真实的红外图像序列验证了该算法在收敛速度和去鬼影方面的优越性和有效性。

针对中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer, MODIS)影像条带噪声的特点，提出了一种结合矩匹配和变分法的条带去除模型。首先采用矩匹配方法去除多行和宽行条带噪声；然后，基于改进的条带检测方法定位矩匹配后的残余条带;最后,基于变分条带去除模型,使用Split Bregman迭代求解以去除条带.实验结果表明,该方法能够有效地去除MODIS影像中的条带噪声,并能有效地保持图像中的细节信息。与直方图匹配、矩匹配、低通滤波及单向变分去 条带算法相比，本文模型的去噪效果更理想。

红外焦平面阵列的非均匀性校正是其定量应用之前必须解决的关键难题之一。将基于场景的矩匹配和卡尔曼滤波方法引入到红外图像非均匀性校正中，通过实验对比分析了这两种方法的校正效果。定性与定量分析结果表明：这两种方法各具优缺点，矩匹配方法在低值区会产生新的条带并改变了图像上同一探测器中不同地物的光谱分布差异，而卡尔曼滤波需经过多帧图像数据迭代后，才能取得更好的校正效果。

红外焦平面阵列的非均匀性校正是其定量应用之前必须解决的关键难题之一。将矩匹配方法引入到红外图像非均匀性校正中，针对其改变图像中地物光谱分布，并可能产生新条带噪声的缺陷，通过比较标准矩匹配前后每个探测元的输出与其均值差异，提出了一种方差补偿的矩匹配改进方法。实验图像校正结果的定性与定量分析表明，方差补偿的矩匹配方法效果理想，在校正图像非均匀性的同时，更大程度上保留了不同地物本身光谱特征的差异。

环境卫星超光谱成像仪前20个通道的图像具有明显的条带噪声，严重影响了后续数据处 理和定量化应用。根据环境卫星超光谱成像仪波段多、各波段图像相关性强的特点，提出了一种基于 多波段图像匹配的条带去除方法。以广西北部湾地区的超光谱成像仪图像为例，分别利用矩匹配方法和多波段匹 配方法进行校正。最后从图像基本信息保留能力、图像灰度值改变量和列均值比评价指标三个方面，定量评价了这 两种方法的去噪效果。结果表明，多波段匹配方法能够在有效去除图像条带噪声的同时，较好地保留各探测元 接收到的地物信号的差异，其去噪效果优于矩匹配方法。

高光谱遥感数据蕴含着丰富的地物反射光谱信息,其原始反射数据中含有大量的噪声,这些噪声严重影响地物反射光谱中的吸收特征,大大降低数据的分析精度,研究有效的高光谱遥感数据噪声滤波算法是改善高光谱数据分析效果的关键环节。研究了推扫高光谱图像(PHI)影像中条带噪声的高频特性,针对目前常用的矩匹配方法及几种改进的矩匹配方法都存在一定的缺点,提出一种改进的行平滑条带滤波方案,对含有条带噪声波段行均值曲线进行平滑处理,并调整图像中各像元的灰度值,以减小行间灰度差异,所得图像的峰值信噪比有所提高,取得了比按波段的矩匹配方法更好的去条带效果,在较好地削弱图像中条带噪声的同时,保留了原图像的辐射特征。