在成像系统高度发达的今天,红外光成像在其中扮演着重要的角色。由于红外光成像系统可以通过红外探测器感知目标的红外热辐射并反演目标温度进行成像,利用各物体的温度差异,能够极大地弥补可见光成像在夜晚及特殊场景下的不足,在军事侦查、场景监控、自动驾驶、夜视系统、火灾探测等领域有着重要的作用。而红外图像条纹噪声去除是红外图像处理领域内的重要研究课题之一,对后续红外图像的识别、分类等领域的研究有着重要的实际意义。红外成像系统由于工艺水平、发展时间的限制,存在着大量的非均匀性。这些非均匀性进一步导致了条纹噪声的产生。近些年,国内外诸多学者致力于红外图像非均匀性条纹噪声去除的研究,但是由于红外条纹噪声具有特殊的结构性与方向性,难以直接地对条纹噪声进行去除,而且在去除的过程中容易造成边缘信息模糊或非条纹噪声区域细节信息的丢失,这些挑战使得当前大部分的红外图像条纹噪声去除方法存在不足。本文将从条纹噪声自身的先验知识出发,充分结合理想图像的自身特性,构建红外图像条纹噪声去除模型与网络,开展红外图像条纹噪声去除方法研究工作。主要研究内容与创新性成果如下:1.当前,大多数红外图像条纹噪声去除算法对条纹噪声的先验知识挖掘不充分,难以对条纹噪声和与之平行的边缘特征进行有效地区分,无法兼顾条纹噪声的去除与图像边缘信息的保护。针对这个问题,提出了一种基于自适应边缘保持算子（Adaptive Edge-preserving Operator,AEPO）与多项稀疏表示的条纹噪声去除算法,充分挖掘了条纹噪声的全局稀疏性与条纹方向上梯度的稀疏性,以及理想信息图像垂直条纹方向梯度的稀疏性,并构建条纹噪声去除模型,进而根据像素边缘对比度的不同,自适应调整边缘保持算子,提升与条纹方向平行的边缘信息的保护能力。从而实现对红外图像中条纹噪声的合理去除以及对边缘信息的有效保护。实验结果表明,基于自适应边缘保持算子与多项稀疏表示的条纹噪声去除算法不仅取得了优秀的去噪效果（在实验图像中NR指标平均提升了8.23%）,而且实现了对边缘信息的有效保护（在实验图像中MRD指标平均提升了2.01%,ID指标平均达到0.992）,获得了理想的去噪表现。2.当前,大多数基于模型的红外图像条纹噪声去除算法往往采用对整幅图像全局建模并进行优化的方式,但是这种方法难免会导致非条纹噪声区域的像素受到一定的影响,甚至出现细节模糊或图像失真的现象。针对这个问题,提出了一种基于多尺度小波变换与多项稀疏表示（Multi-scale Wavelet Transform with Multi-sparse Representation,MWMS）的红外图像条纹噪声去除算法。优点在于能够将竖直方向上的条纹噪声经过多级多尺度小波变换以不同强度的方式集中于不同级数的垂直分量中,将其他信息保护在其他分量中不受模型的处理。而且,对不同级数的垂直分量中的不同强度的条纹噪声选取不同的正则项参数,能够保证每级垂直分量中的条纹噪声被最大限度地剔除并最终通过小波逆变换重构获得理想的去噪图像。实验结果表明,基于多尺度小波变换与多项稀疏表示的红外图像条纹噪声去除算法具有良好的去噪能力（在实验图像中NR指标平均提升了7.69%）,以及对非条纹噪声区域信息优秀的保护能力（在实验图像中MRD指标平均提升了4.23%,ID指标平均达到0.994）,获得了让人满意的去噪结果。3.针对当前大多数基于神经网络的多帧连续图像条纹噪声处理算法中存在的不能兼顾运动区间内的条纹噪声去除与保护静止区间的信息不被过度平滑,以及容易出现“伪像”的缺点,提出了一种基于自适应运动状态与神经网络（Adaptive Motion States and Neural Networks,AMSNN）的多帧红外图像条纹噪声去除算法。优点在于能够针对运动像素与静止像素在该帧图像中去噪需求不同,对运动像素与静止像素去除条纹噪声的校正参数与偏置参数采用不同的更新策略与自适应的迭代速率,保证静止像素不会出现过度平滑,运动像素也能得到较好的去噪效果。实验结果表明,基于自适应运动状态与神经网络的多帧红外图像条纹噪声去除算法具有较强的去噪能力（在实验图像中NR指标平均提升了5.05%）与良好的静止像素的信息保护能力（在实验图像中MRD指标平均达到3.448,ID指标数值平均达到0.9915）,得到了优秀的去噪结果。