随着科学技术的不断发展,人们认识事物的能力逐步得到提高。遥感技术的兴起是20世纪最具标志性的科学技术成就之一。特别是80年代初期,随着光谱成像仪以及成像技术的不断发展,光学遥感进入了一个崭新的阶段-高光谱遥感阶段。由于高光谱遥感图像具有较高的光谱分辨率,目前在民用和军事领域都得到了广泛的应用。高光谱图像具有“图谱合一”、波段多、数据量大的特点,能够提供丰富的空间信息。但是高光谱图像中普遍存在着条带噪声,这些噪声与普通的随机噪声存在着很大的不同,主要表现为呈带状分布,并且具有一定宽度。近年来,国内外学者根据高光谱图像的特点和条带噪声统计规律,提出了基于空间域的直方图匹配、矩匹配等方法以及变换域的基于傅里叶变换和小波变换的条带噪声滤除方法。至今,已有部分学者针对现有的滤除方法进行了改进。但是,这些方法大多拘泥于成像光谱仪的特性、条带宽度以及条带噪声分布的周期性的限制,不具有普遍的适用性和较适中的算法复杂度。所以,我们有必要对高光谱图像做进一步深入的研究,探索一种适合于宽窄条带噪声同时存在的高光谱图像条带噪声滤除方法,该方法能够降低对地物特征的要求,在滤除条带噪声的同时能够保持较好的细节信息。本文在对条带噪声的产生机理和滤除算法进行深入研究的基础上,主要做了以下两方面工作：1、对现有的基于矩匹配思想提出的邻域插值算法进行了改进。新算法通过对判别函数进行分析,构造出一个新的判别公式,该方法在一定程度上弥补了原始的“信息平均化”的不足。根据邻域不同信息元素对当前信息元素的影响因子不同,确定不同的相关系数,通过仿真验证改进后的邻域插值算法在评价指标上优于原邻域插值方法。2、高光谱图像由于成像机理不同,可能有宽窄条带噪声同时存在的情况。本文针对这种情况提出了一种矩匹配和插值相结合的条带噪声滤除方法。该方法可以自动对AVIRIS图像中条带噪声进行分类滤除,克服了原有条带噪声滤除算法拘泥于条带宽度和周期性限制的缺点。通过对AVIRIS图像进行仿真,本文证明了该方法不仅能有效去除图像中的条带噪声,并且能够较好地保证图像的质量。