近年来,红外成像技术不断进步,核心探测器不断更新换代,探测系统日益完善,尤其是反应灵敏、集成度高、耗能小的红外焦平面阵列的出现,使得红外成像技术在国家安防、环境监测、国民经济发展等各大领域发挥着不可替代的作用。然而红外图像上的条纹、畸变,使得探测器的温度灵敏度降低,探测距离缩短,严重影响了图像的质量,我们称这些固定的噪声为红外图像的非均匀性[Non-Uniformity,NU]。本论文以得到高分辨率红外图像为目标,首先对红外成像技术、红外探测器的发展及应用进行了阐述,紧接着对非均匀性在图像上的存在形式、产生原因和学术界普遍认同的定义进行了说明,指出非均匀性校正过程的机理。最后论文研究了定标类算法与两类基于场景的典型算法。一是统计类,典型算法有:时域高通滤波法、神经网络法、统计恒定法。另外是配准类,典型算法有:运动补偿、代数法和帧间配准。通过对比说明了各自的优缺点。为了克服传统的定标类算法需要黑体参考源和严格的线性要求等的不足,本论文提出基于焦平面均值响应的非均匀性校正算法。通过实验与对异常响应像元的校正,验证了新算法有着更好的线性性能,并且对二阶函数图像的校正效果明显优于传统定标法中的二阶拟合,非均匀性校正能力很强;为了克服传统的配准类算法不易配准,计算量大,硬件难以实现等的不足,本论文提出基于递归的矩阵校正法。并且通过实验评估,验证了新算法计算量较小,对存储空间的需求低,可以自适应调整参数,收敛性与稳定性都很好,校正后的图像可视性高的优势。