1. 对图像进行傅里叶变换。 2. 根据傅里叶变换的结果去除图像的竖条纹噪声。 3. 对图像进行傅里叶逆变换，得到分割图像。

条纹噪声的去除（去条纹）是遥感图像处理中的一个基本问题，对于后续应用具有重要的实践意义。 这些变分去斑方法取得了令人瞩目的结果，并引起了广泛研究的兴趣。 然而，它们中的大多数专用于从条纹图像中估计清晰的图像，在不考虑条纹的结构特征的情况下，非常关注图像本身，而条纹的结构特征很容易造成图像结构损坏，并在图像恢复中留下残留的条纹。 在本文中，我们平等地对待图像和条带分量，并将图像去块任务自然地转换为图像分解问题。 首先，我们将对条纹的结构特征进行详细分析，并提供有关遥感图像的先验知识。 然后，将它们合并，我们提出了一个基于低等级的单图像分解模型（LRSID），以将原始图像与条带成分完美分离。 这种对条带的低秩约束与以下事实完全匹配：只有部分数据矢量已损坏，而其他部分则没有损坏。 此外，我们进一步利用遥感图像的光谱信息，并将我们的2D图像分解方法扩展到3D情况。 已经对模拟数据和真实数据进行了广泛的实验，以验证所提出算法的有效性和效率。

针对视频图像中图像传感器故障引起的等间距横纹噪声去除问题，提出了基于陷波滤波器的去除条纹噪声算法；首先将视频条纹图进行傅里叶变换，通过频域累积分布函数映射法构造自适应滤波器，用该滤波器对变换后的条纹图像进行滤波，最后用Laplacian算子进行锐化处理得到最终去噪声图像。实验结果表明，本算法适合用于去除有图像传感器故障引起的等间距横纹噪声。