非均匀性校正（Non-Uniformity Correction, NUC）是一种在图像处理和传感器校准中常用的技术，用于改善图像传感器（如CCD或CMOS相机）的输出质量。这种校正主要针对传感器在不同像素之间可能存在的响应差异，这些差异可能是由于制造过程中的微小不完美导致的。
基本原理：
- 响应差异：图像传感器的每个像素对光的响应可能略有不同，这会导致图像出现条纹或其他非均匀的模式，特别是在长时间曝光或低光条件下。
- 校正过程：非均匀性校正的目的是创建一个校正图像（或称为暗场图像），该图像记录了每个像素的响应差异。然后，这个校正图像用于调整实际图像数据，以补偿这些差异。
- 暗场图像：暗场图像通常是在没有光照射到传感器的情况下获得的，这样可以捕捉到每个像素的固定模式噪声和响应差异。
- 校正算法：
1）算法分类
目前红外焦平面阵列（Infrared focal plane array，IRFPA）非均匀性校正的方法主要有两大类：一类基于场景，利用实际场景信息实现非均匀性校正；另一类参考标准辐射源定标，实现非均匀性校正。
基于场景的方法具有自适应性，可以减轻或消除漂移的影响，但因收敛参数难以实现快速稳定收敛，而且算法的运算量大，受到当前硬件条件的制约，很难实现实时校正。如神经网络方法、时域高通滤波算法、恒定统计平均法。
基于场景的非均匀校正是利用场景信息的变化即时估计出探测元的增益和偏移量，可自适应地跟踪探测像元输出的漂移，缺点是多数算法是假设探测元响应线性问题提出的，算法相对较复杂，校正精度不高，硬件实现难度较大。
基于定标的方法具有算法简单、计算量小，可以实现实时校正的优点，被广泛用于工程中。如两点校正算法TPC（两点温度定标法）、多点校正算法ETPC、多项式拟合算法。
基于定标非均匀校正通常需要事先获得校正所需要的定标系数，然后在校正实现过程中读取这些数据作相应的处理，精度高，算法相对简单，但不能自适应跟踪探测元响应特性的漂移。当漂移很大时，需要重新定标来更新校正系数。
2）基于定标的非均匀性校正算法通常包括以下步骤：
- 暗场获取：首先，获取暗场图像，这通常在相机完全遮光的情况下进行。
- 校正图像生成：根据暗场图像生成一个校正图像，该图像中的每个值代表相应像素的响应差异。
- 应用校正：将校正图像与实际图像数据相乘，以补偿每个像素的非均匀性。
- 迭代优化：在一些高级的非均匀性校正算法中，校正过程可能是迭代的。这意味着校正图像会根据实际图像的反馈进行调整，以提高校正的准确性。
- 动态范围：非均匀性校正有助于扩展传感器的动态范围，因为它减少了固定模式噪声，使得传感器能够更准确地捕捉到图像的暗部和亮部细节。
- 应用领域：非均匀性校正广泛应用于天文摄影、医学成像、卫星遥感和其他需要高精度图像处理的领域。