红外焦平面阵列由于受到制造工艺等的影响，常常会出现盲元，过往通常使用的单波段盲元 补偿算法对大盲元簇及位于边缘位置的盲元补偿效果不尽如人意，随着双波段热像的逐渐兴起，本 文提出了一种基于双波段信息的盲元补偿算法，该算法结合了两个波段的信息，通过对盲元位置的 分类，根据两个波段盲元邻域信息的相似性，使用不同的策略对图像中的盲元进行补偿，能够较为 有效地对图像中的大盲元簇及位于边缘的盲元进行补偿。

基于场景的非均匀校正依然是红外领域的一个研究热门。神经网络算法是一种较为典型的场景校正算法。本文主要针对神经网络算法本身不能校正光学引入的非均匀性问题, 提出了新的改进算法, 通过对神经网络输入层的预处理, 消除图像的低频噪声, 此外, 为了消除预处理对图像对比度的影响, 本文增加了神经网络的层数, 使用双层神经网络对算法进行更新, 从而消除了图像对比度下降的现象。实验结果表明, 改进的神经网络算法能够有效的改善图像质量, 消除图像中光学引入的非均匀性。

在红外图像拼接技术的实际应用中，除了追求较高的拼接精度外，还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求，将BRISK 二值描述子和Canny边缘检测应用于SURF 红外图像拼接，提出一种改进的SURF 红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF 特征点检测、Canny 边缘检测和BRISK 二值描述子有效结合，生成边缘SURF-BRISK 特征点；在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略，并采用RANSAC 算法剔除误匹配的特征点；在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明，本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时，有效地提高了配准精度和拼接速度。