红外热成像技术在军事和民用领域都有广泛的应用，具有较大的发展潜力。红外焦平面阵列成像是红外热成像系统的发展趋势。然而，红外焦平面阵列由于受半导体材料和工艺水平的限制，使得红外焦平面阵列各探测单元存在响应的非均匀性。非均匀性的存在极大地影响了红外成像系统的性能，在非均匀性严重的情况下甚至使探测器失去探测能力。因此，在实际使用过程中必须对红外焦平面阵列的非均匀性进行校正，尤其对非致冷红外焦平面阵列的非均匀性进行校正是具有理论研究意义和实际应用价值的。　　 本文首先阐述了红外焦平面阵列非均匀性校正技术的国内外发展现状，然后对常用的基于定标和基于场景的非均匀性校正算法进行了深入研究，详细分析了每种算法的原理、方法和优缺点。在此基础上，针对目前红外焦平面阵列非均匀性校正算法的研究热点-神经网络校正算法只能对非均匀性空间噪声的高频成分或白噪声有较好的校正效果，而对表现为以低频空间噪声为主的红外焦平面阵列的非均匀性难以达到较理想校正效果的情况，提出了一种基于神经网络的非均匀性校正改进算法，即先通过局部统计方法滤除低频噪声，再利用神经网络方法进行增益非均匀性校正。实验结果表明该校正方法能够有效的滤除低频噪声，获得理想的校正效果。　　 在实现红外焦平面阵列非均匀性校正算法之前，本文在分析现有已成熟的红外图像处理平台及适应未来红外图像处理系统小型化、便携式、低成本发展趋势的基础上，提出了一种基于SOPC的红外焦平面阵非均匀性校正系统的设计方案。详细阐述了整个系统的设计方法，主要包括SOPC技术介绍、系统总体方案设计、系统硬件设计、系统软件设计和系统调试。　　 最后，为了验证本文校正算法的有效性及红外成像系统的性能，利用SOPC红外图像处理平台对算法性能进行了测试，并给出了算法实现原理和具体实现步骤。测试结果表明，基于神经网络的非均匀性校正改进算法具有较强的校正能力，且算法性能稳定，图像效果理想。