1.一种基于压缩感知的图像条带噪声去除方法，其特征在于包括如下步骤：步骤一、建立包含条带噪声图像的观测矩阵；

设不含条带噪声的图像为x，大小为Nr×Ns，包含条带噪声的图像为y(Nr×Ns)，观测矩阵构造方法描述为，对于水平方向条带噪声，通过y＝R*x得到包含水平方向条带噪声的观测图像；

对于竖直方向的条带噪声，通过yT＝R*xT得到包含竖直方向条带噪声的观测图像，T为矩阵转置运算；

(1)对于给定图像的条带噪声所在图像中行序号的集合Ω，(2)设置观测矩阵R为一个大小为Nr×Nr的单位矩阵；

(3)处理任意一个行序号ω， 循环：设置R(ω,ω)＝0

(4)得到包含条带噪声图像的观测矩阵R；

步骤二、建立包含条带噪声图像Curvelet域的稀疏表示方法，其包括：(1)Curvelet域双变量阈值函数：其中γi表示当前系数，γi-1表示当前系数的父系数，(g)+运算表示为σε为条带噪声信号系数均方差，σ为图像有效信号系数均方差，τ为收敛控制因子；

Curvelet域双变量阈值函数中的参数估计：采用最高尺度子带的中值估计作为σε的估计值，以当前系数γi为中心的3*3邻域窗口的均方差作为σ的估计值，通过迭代过程中逐渐收缩控制因子τ，逼近原始图像，提高去噪质量；

(2)Curvelet域相邻尺度系数γi和γi-1对应关系确定方法：建立变换系数父子对应关系，设当前系数γi所在的子带矩阵 尺寸为mi行，ni列，l为方向，i为尺度，k为位置；设父系数γi-1所在子带矩阵为 的尺寸为mi-1行，ni-1列；mi与mi-1的关系存在mi＞mi-1和mi≤mi-1两种情况，ni和ni-1的关系也存在ni＞ni-1和ni≤ni-1两种情况；

当mi＞mi-1时需要行扩展 矩阵，使得mi＝mi-1的处理方法：(1)令

(2)如果p＞1

对于任意一个c∈{1,2…p}循环：插值扩展

(3)令q＝mod(mi,mi-1)(4)如果q＞1

对于任意一个c∈{1,2…q}循环：对称扩展

(5)得到扩展之后的矩阵 截取1:mi行 得到新的同样的方式处理当mi≤mi-1；当ni＞ni-1时；当ni≤ni-1时三种情况；

同理，在处理完ni和ni-1的情况后，得到的矩阵 和 尺寸相同，系数之间存在1:1的对应关系；

步骤三、建立条带噪声去除正则化问题最优化的求解算法；

(1)给定迭代停止参数δ，收敛控制因子τ，最大迭代次数K，包含条带噪声图像观测数据y；

(2)设置迭代计数器k＝0，Curvelet变换算子为W，Curvelet变换级数为z，迭代初值为x(0)＝y，Curvelet变换系数为α,变换尺度为i的Curvelet变换系数为αi；

(3)条带噪声去除处理过程：循环：

对xk进行3*3的维纳窗口滤波凸投影操作x(k+1)＝xk+RT(y-RT(xk))Curvelet正变换：α(k+1)＝W(x(k+1))对于任意一个变换尺度i∈{1,2…z}循环：双变量阈值函数滤波：

k+1 T (k+1)

Curvelet反变换：x ＝W(α )凸投影操作x(k+1)＝x(k+1)+RT(y-RT(x(k+1)))指数模型收缩τ

k＝k+1

直到：||x(k+1)-x(k)||2＜＝δ或者k≥K循环结束；

x＝x(k+1)；

(4)得到去除条带噪声的图像x。