在红外成像系统中,红外焦平面探测器是成像质量好坏的首要因素。然而,由于制作工艺和材料的特性,导致在整个焦平面上每个像素点对相同的温度表现出灰度响应不一致,在得到的成像图像上表现为斑块状的低频非均匀性和条纹状的高频非均匀性,即固定图案噪声。此外,由于探测器工作过程中随着时间变长,周围温度发生漂移导致探测器的响应也会随之发生改变,为了弥补这些不足,许多基于场景的NUC（SBNUC）技术被提出,在一定程度上克服了IRFPA漂移响应所造成的校正误差。红外图像的非均匀性会导致图像质量和外观的严重退化。因此基于场景的非均匀校正算法越来越受到研究者的重视,它可以分成不同的种类,例如时域高通滤波非均匀性校正算法、神经网络非均匀性校正算法、常值统计非均匀性校正算法和图像配准非均匀性校正算法^[1]。所有这些算法各有自己的优点和缺点。比如时域高通滤波算法专注于校正非均匀性的偏移参数,它是基于构造一个时域高通滤波器来计算原始图像的数值预期。该算法计算简单,但是需要很多的原始图像来参与校正过程。它不能校正非均匀性的增益系数,这样会带来严重的图像退化和鬼影。神经网络非均匀性校正算法,这个算法优点是计算方便,但是缺点也是会造成图像退化和轮廓鬼影,收敛速度慢,低频空间噪声校正能力差。恒定常数统计法是基于统计平均值与所有像素的数据帧偏差趋近相等来提出的。对于低频空间噪声校正性能较好,但是对于一个场景来说需要相当长的计算时间来进行数值计算过程,并且还存在鬼影现象。同时当采用常值统计方法之前场景图像反转的时候鬼影就出现了,这会对视觉性能有很严重的影响。和这些方法相比,配准非均匀性校正利用图像配准技术来建立图像序列像素之间的关系,同时更新修正系数。配准算法的收敛速度比其他方法更快。只需要几十个或者更少的帧数来估计出校正系数。另外,图像修复质量比其他方法更加好。基于场景的非均匀性校正（SBNUC）已成为处理NU的一种非常有效的方法。虽然许多SBNUC方法已经被世界各国的研究人员开发出来,但很少有一种方法具有良好的校正性能,能够应用于小型封装实时设备。本文提出了一种基于复杂运动下的红外图像的非均匀性校正技术。我们发明了一种新的投影估计器来计算相邻帧的相对位移。在不降低精度的前提下,采用傅里叶梅林算法在极坐标系内进行投影,确定相邻帧间旋转矢量、缩放矢量、行投影矢量和列投影矢量分别计算多维情况下的位移;在确定了相邻帧间的空间变换后,采用一种全新的配准算法来完成相邻帧间的配准,同时利用一种改进的增益系数校正方法^[4],利用校正后的偏置系数来校正增益系数,通过澄清这两个系数之间的内在关系,联动地完成某帧图像的增益系数和偏置系数的自适应优化,最终实现对存在复杂运动的红外图像的非均匀性校正。我们还深入分析了这项技术在包含低频和高频NU的实际红外视频序列中的表现。此课题在红外图像处理领域具有种重要的理论意义和实用价值。