红外成像系统中，为了提高制冷探测器的灵敏度，通常将红外焦平面阵列进行制冷。经过制冷的探测器对于温度较为敏感，容易受到成像系统自身镜筒的热辐射与探测元冷表面的冷反射，最终导致结果图像上叠加了冷像噪声。冷像噪声属于固定图案噪声的一种，它的存在使红外成像系统性能下降，严重影响了图像质量，导致无法分辨场景内目标。　　本文的主要研究内容是如何利用非均匀校正技术对成像系统获得的图像进行校正，能够在不影响图像质量的前提下，最大程度的保留原始图像场景内容，提升图像的信噪比，为后续其他红外目标检测、分割、跟踪、识别等奠定基础。本文首先对冷像进行了介绍，并分析了神经网络、时域高通滤波、双边滤波、图像配准等几种基于场景的非均匀校正技术，并指出了这些算法各自的特点与局限性。根据所处理的噪声图像的频率及特点提出了两种非均匀校正算法。分别是基于时域低通滤波与图像相关性结合的校正方法和基于小波变换与时域低通滤波结合的方法。第一种方法利用冷像噪声属于固定图案噪声这一特点，在时域上对冷像噪声模型进行了估计，然后对时域估计模型进行空域滤波，最后根据估计模型与预先保存的噪声模型的相关性对噪声矩阵进行更新，最终使用原始图像与噪声矩阵做差完成校正过程。而第二种方法通过利用小波分解与重构的方法，首先对实际场景图像做预处理，然后对冷像进行空间域估计，最后再利用时域低通滤波的方法对获得的冷像空域估计模型，从而获得冷像噪声的最终估计模型，利用原始图像与冷像噪声估计模型做差最终完成图像的校正过程。　　通过几种典型的非均匀校正技术与所提算法进行仿真图像和实际图像处理对比，并利用客观指标对处理之后的图像进行分析，验证了本文所提算法的有效性。