No problema de correção de não uniformidade de detectores de matriz de plano focal infravermelho (IRFPA), os algoritmos tradicionais de redes neurais apresentam fenômenos como bordas de imagem borradas, baixo contraste e 'fantasmas'. Para lidar com esses fenômenos, este artigo propõe um algoritmo de correção de não uniformidade baseado em filtragem de janela lateral aprimorada para redes neurais. O algoritmo aplica primeiramente filtragem de janela lateral na imagem de entrada para obter uma imagem esperada, removendo o ruído de não uniformidade enquanto protege os detalhes das bordas do alvo para melhorar a qualidade da imagem. Com base nisso, uma função não linear saturada suprime a divergência local dos parâmetros de correção, evitando eficazmente o problema de 'fantasmas' após a correção. Resultados experimentais mostram que o algoritmo proposto remove eficazmente o ruído de não uniformidade na imagem, sem fenômenos evidentes de 'fantasmas'. Em três sequências de imagens de teste, a rugosidade média da imagem foi reduzida em 30,17%. No computador experimental, o tempo máximo para processar 400 quadros consecutivos foi de 37,4170 s, representando uma redução de 95,05% em comparação ao algoritmo aprimorado baseado em filtragem bilateral e de 45,81% em relação ao algoritmo baseado em análise de componentes principais wavelet. O algoritmo proposto apresenta vantagens claras na eficácia da correção de não uniformidade e eficiência da execução, oferecendo uma nova perspectiva para a implementação em tempo real da correção de não uniformidade em plataformas móveis de baixa potência e baixo consumo.

matriz de plano focal infravermelho;correção de não uniformidade;filtragem de janela lateral;redes neurais