红外焦平面阵列(Infrared Focal Plane Array，IRFPA)现已广泛应用于各种红外成像系统中。但由于制造工艺的限制，使得焦平面阵列上各探测单元对于同一辐照的光电响应不完全一致，即产生固定图案噪声(Fixed-Pattern Noise，FPN)，它严重影响了红外系统的成像质量。并且随着时间的推移该噪声还会缓慢漂移，因此无法在出厂之前做一个准确的标定。这就要求我们必须在使用的过程中进行校正，实践证明这种方法也是行之有效的。本文根据探测器的不同工作条件，提出了七种基于场景的红外焦平面阵列非均匀校正算法，具体如下：　　 ⑴提出了一种改进的基于神经网络的非均匀校正算法。它在原始算法的基础上构造了一个代价函数以准确确定出步长因子的大小，并且能够对其进行自适应调整，使得每次迭代过程中校正参数的更新值都为最优。因此，算法的收敛速度快，校正出的图像质量也较好。　　 ⑵提出了一种基于维纳滤波的非均匀校正算法。首先根据实际情况确定一个输出延迟，以决定应该使用多少帧观测图像进行预测，然后利用维纳滤波并借助前后帧信息对当前帧进行多次估计，最后取其均值作为此帧的最终校正结果。由于本算法能够充分利用过去和将来的场景信息，因而可以有效去除固定图案噪声。但该算法输出会有延迟，所以适用于对实时性要求不严格的场合。　　 ⑶提出了一种基于数字全变分滤波的非均匀校正算法。鉴于数字全变分滤波的执行过程一般都是自我迭代，而考虑到校正算法的实时性要求，无法对单帧图像实施多次处理。为此我们把图像的空间迭代转化为序列的时间递推。这样不但可以满足实时性的要求，而且算法在递推过程中会逐渐获得令人满意的校正效果。　　 ⑷提出了一种基于稳态卡尔曼滤波的非均匀校正算法。它可以根据固定图案噪声的特点离线计算出滤波器的增益矩阵，并且算法的校正过程是逐帧迭代进行，因此大大降低了计算复杂度和存储占用量，有利于算法的实时处理。此外，该算法对递推公式的初始值如何选取并不敏感，更加适用于初始条件不明确的场合。　　 ⑸提出了一种基于焦平面阵列读出结构的非均匀校正算法。它首先给探测器和读出电路分别建立响应模型，然后依据该模型顺次对两者实现非均匀校正。由于算法充分利用了焦平面阵列的先验知识，因此可以在复杂度增加不大的前提条件下更好地校正红外图像。　　 ⑹提出了一种基于粒子滤波的非均匀校正算法。它首先使用粒子采样噪声参数可能的取值状态，然后再通过状态空间模型对这些粒子进行预测和更新，最后把粒子状态的加权平均作为对噪声参数的估计。该算法是对卡尔曼滤波算法的扩展，不受任何模型条件的限制，因此能够实现对不同噪声漂移情况的有效跟踪。　　 ⑺提出了一种综合的非均匀校正算法。它首先使用帧间预测方法估计出真实场景值，然后把所得的场景估计与相应的观测图像做线性拟合，其拟合结果即可用来进行非均匀校正。该算法的优点在于计算复杂度和存储占用量都较低，并且能够有效跟踪噪声参数的漂移，因此具有广阔的应用前景。