随着红外热成像技术的不断发展，红外热成像系统在各个行业得到了广泛应用。然而，受到工艺影响，现有的红外系统会引入大量非均匀性噪声，使得红外图像的视觉效果变差，也制约了红外图像的后期应用。当前针对红外图像的非均匀性噪声去除的方法多种多样，总体上可分为定标法和场景法两大类，其中场景法根据红外探测器拍摄的场景信息对算法校正参数进行实时调整，可以保证红外系统工作的连续性，因此逐步成为了红外图像非均匀性去除算法的发展方向。但是目前基于场景的校正算法处理后的红外图像易出现鬼影和图像退化等现象。
　　本文在分析仿真现有的场景校正算法后，提出四点改进，首先，提出一种基于引导滤波的期望图像求取的改进滤波器，在保护边缘的同时使得期望图像噪声更小；其次，分析了现有算法易产生鬼影和图像退化原因后，提出一种新的自适应步长求取方法，算法在不同图像区域采用不同参数迭代步长；然后，现有算法往往需要很长的时间进行参数迭代才能取得满意的校正效果，为缩短算法的收敛时间，提出了一种挡板与神经网络相结合的校正思路，提高了算法的收敛速度。最后，本文对以上的改进算法仿真后，又提出一种性能更加优异的改进加权算法，并以此加权算法作为本文最终算法。
　　通过对本文最终算法单独的仿真实验，本文算法能降低红外图像的非均匀性，提高红外系统成像质量，验证了本文算法的有效性；随后，通过本文算法与现有其它算法进行的对比实验，发现本文算法从主观视觉以及客观指标两个方面均具有一定优势，在本文对比实验所用的三个1500帧图像的红外场景中，经本文Our-NUC算法处理后的红外图像，与Har-NUC算法、Fan-NUC算法以及Ron-NUC算法相比，图像光滑度指标ρ分别平均下降14.98%、17.79%、27.29%，均方根误差指标RMSE分别平均下降14.86%、19.02%、29.36%，另外，本文Our-NUC算法在算法运行初期就迅速收敛，与其它对比算法相比优势明显，说明了本文算法所具有的优越性。