相较于传统自然图像,遥感图像集丰富的空间信息、光谱信息和辐射信息三位一体,对遥感图像进行分析,能为城市监测、火灾探测和洪水预报等提供更加详细精确的信息。但遥感图像的采集、存储和传输过程都会不同程度地受到噪声的干扰,其中较为常见的即条带噪声。条带噪声的存在掩盖了遥感图像中的真正数据信息,为遥感图像的后续分析带来很多不利因素。因此,条带去除在遥感技术应用中起着关键作用,它也已然成为遥感图像处理中的重要分支。本文主要研究遥感图像处理中的去条带问题,结合遥感图像丰富的先验知识,基于正则化方法建立合理的数学模型,并针对模型设计高性能优化算法。本研究主要工作如下:现有的去条带方法大多数直接从观测到的被污染图像中估计出清晰图像,对条带部分本身属性分析较少,无法充分利用条带属性,从而导致性能欠佳。事实上,除条带的方向性和结构特性外,条带位置也是一个重要的特征,精准的条带噪声检测有助于条带噪声去除,条带噪声去除又反过来有助于精准的条带噪声检测。为此,本文在充分考虑条带属性的基础上,提出了一种新条带噪声去除框架,以同时实现条带检测和条带去除。该模型采用单向全变分（UTV）正则项来描述条带的方向性,并采用加权?_2,1范数正则项来描述条带的联合稀疏性。为求解该非凸模型,本文将交替方向乘子法（ADMM）与迭代支持检测（ISD）相结合,提出的算法利用ISD来计算?_w,2,1范数中的权重向量w,它显示了观测图像中的条带位置。在求出权重向量后,再采用ADMM来求解w固定后的凸模型。在一定条件下,该算法的收敛性可以得到保证。同时,本文设计了新的指标来分析条带位置检测的准确性。模拟和真实数据的实验结果表明,相较于其他的遥感图像去条带方法,提出的模型和求解能更有效地去除和检测条带,同时保留图像边缘和细节信息。