1.一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，由以下步骤完成：获取输入图像，结合输入图像中每一列像素的增益参数和偏置参数建立条状噪声校正模型；

根据所述条状噪声校正模型中每一列像素的增益参数和偏置参数建立最小化能量函数，通过欧拉方程对所述最小化能量函数求解，得出每一列像素的最优增益参数和最优偏置参数，将所述最优增益参数和最优偏置参数应用到条状噪声校正模型中得出更新校正后的图像。

2.如权利要求1所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，通过欧拉方程对所述最小化能量函数求解，所述欧拉方程采用梯度下降法求解，具体为：步骤a、给定最小化能量函数中的初始的增益参数值和偏置参数值；

步骤b、将所述增益参数值和偏置参数值作为输入值应用于所述条状噪声校正模型中，得出校正后的图像，将校正后的图像作为新的输入图像，根据新的输入图像计算出新的增益参数值和偏置参数值；

步骤c、将新的增益参数之和偏置参数值作为输入值，循环执行步骤b，直至循环次数达到预置最大循环次数，得到最优增益参数和最优偏置参数。

3.如权利要求1或2所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，所述最小化能量函数具体为：其中，E(gn,bn)为最小化能量函数，gn为图像中第n列像素集的增益参数，bn为图像中第n列像素集的偏置参数， 表示梯度运算，um,n表示校正图像中第m行第n列的像素值，|·|表示L1范数，|·|2表示L2范数，λg和λb是常量。

4.如权利要求3所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，所述梯度下降法步骤b中新的增益参数值和偏置参数值求解方法为：其中， 为第k次循环时计算得到的图像增益参数扩展矩阵， 是根据第k-1次循环时计算得到的增益参数 创建的图像修正增益参数扩展矩阵，Δt为常量， 为第k-

1次循环后得出的校正图像中第m行第n列的像素值，vm,n为原始输入图像中第m行第n列的像素值， 表示图像在x方向上的后向差分运算， 表示图像在x方向上的前向差分运算，f为minmode运算函数， 表示图像在y方向上的前向差分运算，x方向表示图片的水平方向，y方向表示图片的垂直方向； 为第k次循环时的图像偏置参数扩展矩阵， 是根据第k-1次循环时计算得到的偏置参数 创建的图像修正偏置参数扩展矩阵， 表示图像在y方向上的后向差分运算；

根据第k次循环时计算得到的图像增益参数扩展矩阵 和图像偏置参数扩展矩阵计算得出每一列像素的新的增益参数 和新的偏置参数 计算公式为：其中，M为图片中像素的总行数， 为第k次循环时图像中第n列像素集的增益参数，为第k次循环时图像中第n列像素集的偏置参数。

5.如权利要求1或4所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，所述条状噪声校正模型具体为：其中， 为第k次循环后得出的校正图像中第m行第n列的像素值。