Dans le problème de correction de l'inhomogénéité des détecteurs à matrice de plans focaux infrarouges (IRFPA), les algorithmes traditionnels de réseaux neuronaux présentent des phénomènes tels que le flou des bords d'image, un faible contraste et des 'fantômes'. Pour répondre à ces phénomènes, cet article propose un algorithme de correction de l'inhomogénéité basé sur un filtrage par fenêtre latérale amélioré des réseaux neuronaux. Cet algorithme applique d'abord un filtrage par fenêtre latérale à l'image d'entrée pour obtenir une image souhaitée, éliminant le bruit d'inhomogénéité tout en préservant les détails des bords de la cible afin d'améliorer la qualité de l'image. Sur cette base, une fonction non linéaire saturée supprime la divergence locale des paramètres de correction, permettant d'éviter efficacement le problème des 'fantômes' post-correction. Les résultats expérimentaux montrent que l'algorithme proposé élimine efficacement le bruit d'inhomogénéité sans phénomène de 'fantômes' notable. Dans trois séries d'images testées, la rugosité moyenne de l'image a été réduite de 30,17 %. Sur l'ordinateur expérimental, le temps maximal de traitement de 400 images successives est de 37,4170 s, soit une réduction de 95,05 % par rapport à l'algorithme amélioré basé sur le filtrage bilatéral et de 45,81 % par rapport à l'algorithme basé sur l'analyse en composantes principales par ondelettes. L'algorithme proposé présente des avantages évidents en termes d'efficacité de correction de l'inhomogénéité et d'efficacité de l'algorithme, offrant une nouvelle perspective pour la mise en œuvre en temps réel de la correction d'inhomogénéité sur des plateformes mobiles à faible puissance et faible consommation.

matrice de plans focaux infrarouges;correction d'inhomogénéité;filtrage par fenêtre latérale;réseaux neuronaux