分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题, 在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值, 从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数, 初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性, 提出了一种自适应非均匀性校正算法NSCT, 对经过NSCT分解后的子带图像, 利用贝叶斯阈值逐点进行信号方差和噪声方差估计, 计算出残余非均匀性噪声后并加以去除。实验结果表明, 该算法能有效提高校正精度, 并具有更强的环境适应性。

分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题，在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值，从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数，初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性，提出了用具有保边缘特性的P-M滤波取代传统神经网络算法中的四邻域均值滤波来获得期望图像，从而减小了图像边缘误差。实验结果表明，该算法收敛速度快，校正精度高，有效避免了因红外焦平面响应特性漂移而引起的图像降质。

常用的图像传感器由于电荷耦合器(CCD)和模数转换器(ADC)的限制，动态范围大约只有60 dB，与人眼的动态范围(110 dB)不符，导致获取的图像丢失部分细节信息。针对这一问题，提出了基于小波变换的图像动态范围扩展技术。通过对同一场景进行多次拍摄，获得不同曝光时间的源图像，对源图像运用多尺度小波变换分解为高频部分和低频部分。将基于人眼的视觉灰度识别特性的方法应用于低频部分的处理中，运用不同的权重值进行处理，尽可能保留图像的背景信息。对高频部分运用局部最大方差准则进行融合，尽量保留图像的边缘特性。将融合后的高频部分和低频部分利用逆小波变换进行重构。试验结果表明，重构后的图像与适度曝光的图像相比，在高亮度区域和低亮度区域的细节信息得到了复原，动态范围得到了显著的扩展。