由于非制冷红外成像技术具有成本低和可靠性高等特点,在众多领域得到了广泛的应用。但是非制冷红外焦平面探测器响应不一致和读出电路的不均匀性导致红外图像出现条纹噪声,降低了图像质量,不利于后续的研究。因此,对红外条纹噪声进行滤除具有重要的意义。首先,分析红外条纹噪声产生的机理和红外条纹噪声的模型。由于非制冷红外焦平面探测器响应不一致和读出电路的不均匀性等因素,红外图像中易出现条纹噪声。条纹噪声在红外图像中主要表现为不均匀、分布广且与图像边缘相似的条状噪声。同时,分析红外条纹噪声模型,生成含有模拟条纹噪声的图像,用于卷积神经网络训练。其次,针对条纹噪声分布不均匀和范围广的特点,提出了基于特征融合残差空间注意力的红外条纹噪声滤除网络模型。首先,该模型引入了特征融合残差空间注意力模块。为了使网络充分学习条纹噪声特征,该模块中利用残差单元以提高四个方向特征权重的精确度;同时,将相同的卷积进行组合,以捕捉不同尺度的图像特征引导网络充分学习条纹噪声特征。最后,提出了通道特征融合模块,该模块利用1×1卷积将不同通道的特征信息进行融合。实验结果表明,该网络模型可以快速且更加有效地滤除条纹噪声。最后,针对条纹噪声分布范围广,与边缘信息难区分的特点,提出了基于小波空洞残差U-Net的红外图像去条纹噪声方法。该网络首先引入了空洞四向卷积模块。通过将不同大小的空洞卷积组合,捕捉不同尺度的特征信息;并通过空洞卷积学习图像特征,提高图像特征的精确度。然后,提出了残差编码模块,该模块将编码层的信息与后一层卷积层的信息进行融合,以减少图像信息的损失。最后,将网络分为初步去噪和精细去噪两部分以精确学习噪声图像与条纹噪声之间的映射,保持边缘信息。实验结果表明,该算法的去噪结果与经典算法相比较,具有更高的峰值信噪比、结构相似度以及更低的粗糙度,并且可以在短时间内完成条纹噪声滤除。