短波红外成像技术的应用,弥补了红外波段之间的光谱空白,对在红外波段获取全面和精确信息具有重要意义,在各种光学参数尤其是红外激光大气传输特性测试方面得到了广泛应用。由于制造工艺水平、短波红外相机的各探测单元输出响应特性不一致、所在环境的温度变化等诸多因素都会导致短波红外相机各个探测单元对输入均匀光的响应输出并不相同,即响应非均匀性,这将对短波红外相机的测试系统的测试性能产生比较严重的影响。因此,对短波红外相机进行响应非均匀性校正,对于保证其对光学参数测试结果保持较高精度具有重要意义。本文在对短波红外相机响应非均匀性的定义和特性进行深入分析的基础上,对定标类方法中的一点校正法、两点校正法、多点校正法和场景融合类方法中的时域高通滤波法的理论及性能进行了研究和对比。在此基础上提出了基于神经网络的短波红外相机响应非均匀性校正优化方法。该方法采用定标与场景融合校正法所得的增益和偏移校正系数作为基于神经网络校正法中非均匀校正层的迭代初值,既能解决定标类校正法中校正系数随环境变化产生的漂移现象,又能克服场景类校正法迭代时间长的缺点。本文开展了两点较正法、多点较正法、高通滤波法以及基于神经网络的短波红外相机响应非均匀性校正优化方法在2ms,4ms以及8ms不同积分时间,不同灰度级条件下的短波红外相机响应非均匀性校正性能实验测试,并进行了校正性能对照分析,验证了基于神经网络的短波红外相机响应非均匀性校正优化方法理论的正确性及实验测试的可行性。