红外焦平面阵列应用于红外成像系统具有结构简单、灵敏度高、功耗小等优点,所以得到了高度重视和广泛应用。红外焦平面图像信号的典型特征是不同的图像单元对应不同的红外探测器单元,在外界辐照度相同的情况下,由于各阵列元的红外响应度不一致以及所处环境的温度变化、光学系统误差、电荷传输效率、1/f噪声等诸多因素的影响,各阵列元的输出并不一致,严重影响了热成像系统的性能,因此,必须对红外焦平面阵列进行非均匀性校正。非均匀性校正技术是研究红外成像的关键。本课题主要是提出一种非均匀性综合校正算法,实现对红外图像的非均匀性校正、盲元补偿和红外图像增强等功能,提高非均匀性校正精度,达到应用的要求。本文首先对红外焦平面非均匀性的产生原因及表现形式进行了深入探讨,分析了几种已有非均匀性校正算法的原理及其优、缺点。论证了自适应校正方法是非均匀性校正的发展趋势。然后提出了一种新的红外焦平面阵列非均匀性校正综合算法,新算法利用神经网络法自适应的调整校正系数,克服了两点定标法中漂移的问题,同时采用两点定标系数作为神经网络法迭代初值,克服了传统神经网络法迭代时间长、收敛速度慢的缺点。同时针对传统神经网络法中存在的目标退化和伪像问题提出了相应的解决办法;盲元补偿及图像增强处理过程选择了经典的中值滤波法,并根据非均匀性校正原理对其窗口及计算量进行了改进。最后利用软件对已有的非均匀性校正算法及本文提出的综合校正新算法进行了仿真对比,在取得良好的非均匀性校正效果的同时,验证了本文提出的综合校正算法理论分析的正确性和方案的有效性。并且深入研究分析了综合校正算法中参数选取与算法敛散性之间的关系。