目标识别技术一直是计算机视觉领域的重要研究方向,其在航天、医疗、无人驾驶、安防监控等领域发挥着关键作用。光启云端号平台是一个高空监控系统,该平台用电缆绳带牵引气囊,由于空中航拍摄像系统悬挂在气囊下方,所以摄取的图像不可避免地含有绳带信息。这些绳带信息严重阻碍了信息处理算法对场景的分析,因此,在场景分析前需要剔除。绳带剔除的步骤主要包括绳带检测和绳带修复两个部分,其中关键是绳带检测。本文首先分析了经典基于Hough变换的特征提取算法,然后研究了基于边缘对比度的特征提取方法,提出一种基于线性回归的连通域拟合方法来查找连通域,该方法可以检测到大部分长度较长的绳带,但是很难用于实际中复杂场景和弯曲打结的场景。基于深度学习相关的绳带检测算法属于语义分割领域,然后本文重点研究了深度学习的语义分割相关算法。由于绳带像素的比例远低于背景像素的比例,这种极端情况会给模型的收敛带来困难,因此本文提出一种基于U-net的改进模型,引入批量归一化来减少过拟合,采用He初始化参数来提高收敛的稳定性,由于绳带像素在图像中的比例太小,本文提出一种带有交叉熵和Dice的联合损失函数来提高检测精度和收敛的稳定性,为了进一步得到更精确的分割结果,采用OTSU作二次精确分割。最终的模型能够用较少的样本在较少的时间下,快速准确地检测绳带。实验结果表明,这种算法的Io U达到62.8%,PA达到98.66%。利用快速行进(FMM)修复算法对绳带图像进行了修复,得到了非常好的去绳结果。本文提出的去绳带方法为云端号图像系统的实际应用提供技术支撑。