随着科学技术的迅猛发展，红外焦平面阵列探测器(IRFPA)应运而生，它的出现是红外成像史上一个划时代的革命，同时它的出现也使红外成像系统在民用行业和军事领域得到广泛的应用，但在实际生产中，由于加工材料和制造工艺等因素的影响，使各探测单元之间存在响应的非均匀性及盲元等问题，造成了成像质量的下降，从而制约着红外焦平面阵列探测器的应用。因此，非均匀性和盲元问题是当今红外焦平面阵列成像系统必须解决的首要问题。文中对红外探测技术的历史、现状和发展趋势进行了较为详细的阐述，并分析了红外焦平面阵列非均匀性及盲元产生的原因及特点，讨论了几种常用的非均匀性校正及盲元检测与补偿算法，指出了各自的优缺点和适用场合。论文针对红外焦平面探测器存在的问题进行了详细的研究，研究内容主要有以下几个方面： 1、针对以红外焦平面阵列探测器为主的成像系统存在的非均匀性问题，在充分分析现有非均匀性校正算法优缺点的基础上，得出神经网络非均匀性校正算法是未来发展的方向。因此，本文采用神经网络对红外焦平面探测器非均匀性进行了校正，该方法不需要对焦平面器件进行标定，对探测器参数的线性和稳定性要求也不高，并且校正系数可以由神经网络自适应连续地更新。 2、神经网络非均匀性校正中，把非均匀图像x各像元的四邻域平均值作为该像元的期望输出进行非均匀性校正时存在一个很大的问题，即图像变得模糊，并且不能保持边缘的特性。针对该问题，结合非线性的中值滤波器具有对各种噪声模型有很好的鲁棒性和良好的图像边缘保持特性的优点，本文提出了一种改进的非均匀性校正方法，即将以x(i，j)为中心一定窗内的像元集合的中值作为该像素的期望输出，仿真结果表明改进的算法优于传统的算法。 3、由于神经网络非均匀性校正算法在进行训练时要赋初始权值、步长和误差阈值，人们大都只考虑步长和误差阈值对网络收敛及收敛速度的影响，对初始权值的选取问题都没有做深入的研究，大都是取随机的小值作为初始权值。在我们的研究过程中发现，当步长和误差阈值达到最佳时，网络的初始权值对网络的收敛速度也有一定的影响，针对这一问题本文提出了三种不同的初始权值选取方法。结果表明三种方法均能使网络快速收敛、有效地抑制漂移，并且都能得到较高的校正精度。 4、针对神经网络非均匀性校正算法在场景长时间静止时产生重影这一问题，提出了一种关于场景静止时非均匀性的处理方法。 5、关于非均匀性的度量虽然国标中有明确的定义，但所有方法都需要在实验