张科航，宋鸿飞，谭文，曹文晓，郭飞

（长春理工大学 光电工程学院，长春 130022）

红外焦平面阵列作为红外热成像的主要发展方向，因其灵敏度高、探测能力强、对恶劣气候条件适应性强［1］等特点，已广泛应用于军事、航天、民用等领域。新冠疫情以来，红外热成像系统再次凸显其重要作用，许多场所设置了免接触自动测温，迅速有效地检测出体温异常，从而快速地阻断疫情的传播，为疫情的防控做出了很大的贡献。

然而，由于非均匀性技术水平的限制，不同的焦平面阵列像元具有不同的响应速率，从而产生定模噪声，严重影响红外系统的成像质量。特别是焦平面阵列的列像素使用相同的积分读出电路，导致成像时产生列条纹噪声。此外，由于固定噪声会随着温度和时间的变化而变化，因此无法对非均匀性进行精确的校准［2］。

目前，非均匀校正算法分为两个方向：一种是基于标定的非均匀校正（calibration-based），典型的方法有两点校正法、多点校正法和挡板校正法。这种方法的优点是计算简单，校正效果明显。缺点是需要周期性地通过辐射源［3］或挡板提供均匀的场景作为校正源，在实际应用中，这种方法会周期性地造成目标的损失。

另一种方法是基于场景的非均匀校正（scene-based），典型的方法有：Scribner 提出的神经网络方法［4］；Narendra 等人［5］提出的常数统计方法；Yang 等人［6］将人工神经网络移植入FP6A；牟新刚等人［7］提出了残差编解码网络；Yan 等人［8］提出了基于图像配准的方法；Qian 等人［9］提出的空间低通和时间高通算法。……