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。

条纹非均匀性是红外焦平面阵列成像系统中一种较为常见的固定图案噪声,其对成像质量会产生很大的影响。通常认为图像的非均匀性主要体现在像素间的灰度差,即非均匀性所引起的灰度差。为了解决这一问题,提出一种利用灰度差估计的条纹非均匀性校正方法。该方法根据条纹噪声的空间特性,对每一帧图像的非均匀性条纹的所在位置进行判断;根据条纹位置处相邻像素间的灰度差,对该处存在的非均匀性进行初步估计,并对下一帧的估计结果进行评价以进一步完善估计值。实验结果表明,所提方法能够显著减少条纹非均匀性,并且能够有效地保护图像的边缘信息。

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.

Stripe nonuniformity is very typical in line infrared focal plane (IRFPA) and uncooled starring IRFPA. We develop the minimum mean square error (MMSE) method for stripe nonuniformity correction (NUC). The goal of the MMSE method is to determine the optimal NUC parameters for making the corrected image the closest to the ideal image. Moreover, this method can be achieved in one frame, making it more competitive than other scene-based NUC algorithms. We also demonstrate the calibration results of our algorithm using real and virtual infrared image sequences. The experiments verify the positive effect of our algorithm.