电磁探测成像系统能够对电磁干扰源进行大范围、宽频带且快速的定位，系统主要由抛物反射面和多通道超宽频带信号采集系统组成。由于各个通道器件参数受限于制造工艺的影响不可能完全一致，探测不同频率干扰源的响应特性也不相同，导致获得的电磁图像中存在的条带噪声随干扰源的频率变化而呈现出不同的特征，严重地影响定位的精度。构建了双向门控循环单元（BiGRU）-卷积神经网络（CNN）模型，根据实测数据构建数据集作为模型的输入，BiGRU和CNN利用图像相邻行间的强相关性，从过去和未来的输入中广泛收集冗余信息，对条带噪声进行提取并对空间信息进行整合处理，利用数据之间的差值对这个过程进行循环迭代。通过大量的实验对模型进行验证，BiGRU-CNN方法与测试的经典方法相比更优，在垂直梯度能量方面降低了15.2%，在残差非均匀性方面降低了21.9%。

成像差分吸收光谱技术是成像光谱技术和差分吸收光谱技术的结合, 能够采集图谱合一的数据立方, 并通过光谱反演得到痕量气体浓度的二维分布信息。 地基IDOAS仪器通过安装平台的水平旋转实现摆扫成像, 可用于识别污染气体的排放源和监测气体的扩散情况。 然而和所有的成像光谱技术相类似, 地基IDOAS也容易出现条带噪声的问题, 会产生相应的伪结构, 影响后续的信息提取和数据分析。 目前星载和机载IDOAS中常见的条带噪声去除算法有均匀区域校正法、 传输模型模拟法、 傅里叶变换频域滤波法、 多项式拟合法等, 应用到地基仪器中均存在不适用的问题。 介绍了一种基于权重变分模型的条带噪声去除算法, 该算法首先通过分块自适应阈值分割得出表征遮挡区域的权重矩阵, 然后利用条带噪声的方向性和稀疏性建立各向异性的变分模型, 最后通过交替方向乘子算法迭代求解。 为检验去条带算法的可靠性, 使用稀疏、 稠密、 周期、 随机、 整行、 部分、 单行、 多行等多种模拟噪声进行了性能测试。 测试结果证明权重变分算法能够有效去除各种常见的条带噪声, 目视效果和四种全参考评价指标均有良好的表现。 地基IDOAS于2018年夏季在四川乐山进行了外场实验, 实验中仪器的水平扫描范围覆盖360°全方位角, 扫描间隔为1°, 垂直方向仪器同时采集0°~30°仰角内的光谱。 仪器的积分时间设置为500 ms, 每组全景扫描的工作时间约为15 min。 利用DOAS技术对采集到的太阳散射光谱进行反演, 最终得到的NO₂和SO₂气体的二维浓度分布图的像素大小为360×48。 从反演结果来看, 条带噪声对不同时间和不同气体的观测结果的影响大小均不同。 经权重变分算法处理后, 多组NO₂和SO₂浓度分布中的条带噪声情况得到极大的改善, 并且没有出现过度平滑的情况。 结果表明, 该算法适用于地基IDOAS数据的条带噪声去除。

针对高光谱图像（hyperspectral images, HSI）去条带易引起影像结构细节丢失问题，提出一种基于加权块稀疏（weighted block sparsity, WBS）正则化联合最小最大非凸惩罚（minimax concave penalty, MCP）约束的HSI去条带方法。本算法采用加权ℓ_{2, 1}范数和MCP范数对条带稀疏结构和低秩约束，ℓ₁范数对干净图像结构保持正则化约束，构建加权块稀疏和MCP约束的条带去除模型，采用交替方向乘子（alternating direction method of multipliers, ADMM）算法迭代求解对应模型，重建获得干净的HSI图像。实验结果表明，提出方法在实际HSI的平均等效视数从28.45提高到83.47，边缘保持指数较其他算法至少增加0.056，特别是对于非周期条带噪声，采用自适应权值更新稀疏水平，增强了组稀疏性，在保持影像边缘和加强区域平滑性方面性能更佳，去噪声效果更好。