En el problema de corrección de no uniformidad de detectores de matriz de plano focal infrarrojo (IRFPA), los algoritmos tradicionales de redes neuronales presentan fenómenos como imágenes borrosas en los bordes, bajo contraste y 'fantasmas'. Para abordar estos fenómenos, este artículo propone un algoritmo de corrección de no uniformidad basado en un filtrado de ventana lateral mejorado para redes neuronales. El algoritmo primero aplica un filtrado de ventana lateral a la imagen de entrada para obtener una imagen esperada, eliminando el ruido de no uniformidad mientras protege los detalles de los bordes del objetivo para mejorar la calidad de la imagen. Sobre esta base, una función no lineal saturada suprime la divergencia local de los parámetros de corrección, evitando eficazmente el problema de los 'fantasmas' después de la corrección. Los resultados experimentales muestran que el algoritmo propuesto elimina eficazmente el ruido de no uniformidad en la imagen sin fenómenos evidentes de 'fantasmas'. En tres secuencias de imágenes de prueba, la rugosidad promedio de la imagen se redujo en un 30.17%. En el ordenador experimental, el tiempo máximo para procesar 400 cuadros consecutivos fue de 37.4170 s, lo que representa una reducción del 95.05% respecto al algoritmo mejorado basado en filtrado bilateral y del 45.81% respecto al algoritmo basado en análisis de componentes principales con wavelets. El algoritmo propuesto presenta ventajas claras en la efectividad de la corrección de no uniformidad y la eficiencia computacional, ofreciendo una nueva perspectiva para implementar corrección de no uniformidad en tiempo real en plataformas móviles de baja potencia y bajo consumo.

matriz del plano focal infrarrojo;corrección de no uniformidad;filtrado de ventana lateral;redes neuronales