受限于材料和制造工艺, 红外图像中普遍存在着条纹非均匀性, 其严重影响了图像的成像效果, 进而对后续的目标识别、检测等工作造成干扰。典型的最小均方误差(LMS)算法在一定程度上可以抑制条纹非均匀性, 但其场景适应性差, 存在拖尾和“鬼影”现象。提出一种改进型的最小均方误差(LMS)自适应滤波算法对图像进行处理, 利用双边滤波和最速下降法快速获取准确的校正参数, 将前一帧算出的校正结果作为后一帧的初始输入值, 提升算法的准确性, 同时算法还增加了边缘检测模块以保留图像细节。采用不同场景下非制冷型探测器的真实红外图像, 从主观和客观两个方面对比了本算法和经典LMS算法, 结果表明, 提出的算法可以很好地保护图像细节, 也具有良好的场景适应性。

针对红外焦平面成像系统存在列向条纹非均匀性的现象, 采用了一种基于自适应PM扩散模型的非均匀校正新算法。首先, 综合利用图像梯度信息和局部灰度统计信息, 自适应计算PM模型的扩散阈值; 然后将每列像素的PM模型估计值作为该列像素的期望值; 最后采用最陡下降法迭代计算得到每列像元的校正参数, 并对结果进行循环校正以提高校正效果。实验结果表明: 该算法可以保护图像边缘信息, 与同类算法相比, 能够更有效地抑制条纹非均匀性, 并且能够防止图像产生鬼影。

针对红外成像探测器单元响应不一致等因素导致的图像非均匀性条带问题, 提出了基于直方图加权和Savitzky-Golay拟合的非均匀性条带校正方法。首先, 计算每列的归一化直方图函数并将其作为权值对图像进行加权运算;然后, 利用Savitzky-Golay滤波器对加权后的图像列均值和列方差进行拟合, 并将结果带入校正公式, 通过可调参数的迭代完成校正。实验结果表明: 该方法能有效地去除非均匀性条带, 保留图像的光谱辐射信息和纹理细节, 各项评价指标均提高10%。

条纹非均匀性是线扫红外焦平面阵列和非制冷凝视型红外焦平面阵列成像系统中一种特殊的固定图案噪声.分析了其产生的原因，提出了一种基于亮度恒定假设和配准的条纹非均匀性校正算法.根据相邻两帧获得亮度均方误差函数，最后通过最小化全局亮度均方误差函数得到全局最优解作为非均匀性校正的参数.实验结果表明，该算法能够在几帧内达到较好的收敛,且计算简单，有效提高了条纹非均匀性的校正效果.