近年来随着红外热成像技术的不断成熟,它已经广泛应用于军用和民用领域。然而,由于制造工艺和材料的限制,使得原始红外图像中通常包含明显的条纹非均匀性,具体表现为图像被增强后有深浅不同的条纹噪声,这是导致原始红外图像的效果不理想的直接原因。因此,消除红外图像中的条纹非均匀性,并且尽可能地保留图像中的细节信息,是红外图像处理中的重要环节。本文介绍了条纹非均匀性的产生机理,由于条纹非均匀性是同一列中的像元共用相同的读出电路导致的,所以同一列中像元的条纹非均匀性有很强的相关性,但是由于红外图像的预处理算法的影响,又会导致同一列中像元的条纹非均匀性存在一些差别,这是本文算法的提出背景。由于现有的算法还存在不足,不能完全满足工程应用中的要求,本文根据条纹非均匀性的局部相关性与现有校正算法的理论基础提出了一种基于局部相关性的校正算法。本算法将从以下三部分进行阐述。首先,已有的校正模型对同一列中像元调整相同的校正参数,与其不同的是,本文改进的校正模型会对每个像元调整不同的校正参数。其次,运用自适应最小均方误差算法(LMS)对红外图像进行处理,选取高斯滤波的输出值作为预测值,并根据最陡下降法用目标像元所在同一列中的上一个像元的增益系数和偏移量递推迭代目标像元的校正参数,使得校正后的像素值接与预测值的最小均方误差最小。最后,在处理的过程中增加图像边缘检测,当像元位于图像边缘时,则用目标像元的同一列中相邻的上一个像元的校正参数近似作为目标像元的校正参数,即不更新校正参数。本文选取了含有条纹非均匀性的几种不同场景的红外图像进行实验,结果表明本文提出的校正算法能有效消除条纹非均匀性,并且能较好地保留了图像中的细节信息。此外,本文提出的校正算法利用单幅图像就能估计校正参数,具有线性时间复杂度,实时性较高。