红外焦平面阵列是近几十年发展起来的一项新型探测器件,因其具有高灵敏度、高信噪比、结构简单紧凑等优点逐渐成为目前最具发展及应用前景的红外成像器件。随着科技的日益发展,器件性能也随之提高,红外焦平面阵列开始广泛应用于军事及民用领域。但由于材料和制造技术、光学系统以及外部环境变化等因素的限制,红外焦平面的各个探测器单元响应率不完全一致,即图像的非均匀性严重制约了系统成像的质量。目前可通过提高红外焦平面阵列元器件的研制及生产水平或基于现代信号处理技术进行的图像非均匀性校正来等效地提高其均匀性能,但前者成本较高,因此后者明显具有重大的理论意义及工程实用价值。目前,国内外常见的非均匀性校正算法可分为两类,一类是基于参考辐射源的校正方法,另一类是基于场景自适应的校正方法。前者依靠黑体设定一个或多个不同温度点作为定标点来获取定标数据,并进一步求得校正系数,进而使所有探测元在相同辐照条件下产生相同的输出,从而实现成像图像的非均匀性校正；后者不需要对参考辐射源进行定标,而是全部或部分地依靠场景的统计信息、位移信息等实现对校正系数的更新,进而实现对序列图像的校正。本文首先对基于场景的时域高通滤波校正算法进行研究,分析其时间常数对校正效果的影响,并分析得出其校正过程中产生“鬼影”现象的原因为低通滤波器的输入图像中存在大量不相关的场景信息。基于此机理,本文提出了基于非局部均值滤波的校正算法。采用实际采集的红外图像序列进行仿真分析,仿真结果表明此算法在取得较好校正效果的同时也可有效地抑制“鬼影”现象。然后,对基于场景的神经网络校正算法进行研究,分析其迭代步长对收敛速度及校正效果的影响,并分析得出其校正过程中“鬼影”现象产生的原因是对期望图像边缘处的不合理估计。基于此机理,提出了基于四阶偏微分方程滤波的非均匀性校正方法。采用实际采集的红外图像序列进行仿真分析,仿真结果表明此算法在取得较好校正效果的同时也可有效的抑制“鬼影”现象。