红外焦平面阵列是目前红外成像系统的主要探测器件。而红外焦平面阵列本身存在的非均匀性响应在很大程度上限制了系统的探测性能。实时、有效的非均匀性校正方法是红外成像系统研制中的关键技术。本文对红外焦平面阵列非均匀性校正方法展开了深入探讨及研究,重点是针对基于场景的非均匀校正方法的研究。文中首先概述了红外焦平面阵列非均匀性的基本原理;分析了红外焦平面阵列成像系统非均匀性产生的机理;对成像系统响应的特点进行了阐述,重点分析了红外焦平面阵列的非线性响应曲线模型,以“S”型曲线响应模型代替线性响应模型,这更逼近探测器单元的真实响应特性。将典型的基于两点温度定标的红外焦平面阵列非均匀性校正算法引入到场景中,提出一种基于场景的最小二乘拟合非均匀性校正算法,该算法可以用任意运动场景直接进行最小二乘拟合校正,而不需要事先用标准参考源进行标定;对非均匀性校正的结果给出了几种定量的科学技术评价指标;从仿真结果中可以看出,该算法能够达到令人满意校正效果。对基于人工神经网络的红外焦平面阵列非均匀性校正算法进行了研究。在此基础上提出了可变学习速度反向传播算法和最优学习步长反向传播算法。可变学习速度反向传播算法可以视具体情况适当改变反向传播的学习速度,从而加快达到稳定。最优学习步长反向传播算法利用黄金分割搜索法选择最佳的学习步长,可以在最短的迭代次数内达到期望目标。由仿真结果可以看出,两种算法都能达到比较理想的校正效果。分析比较了上述三种改进的红外焦平面阵列非均匀性校正方法,从而验证了三种校正方法的有效性及适用性。