红外弱小目标检测技术已成为国内外红外领域研究的重点。对红外弱小目标的特征进行了介绍；从基于空间域和变换域的滤波、人类视觉系统以及图像数据结构3个方面，对当前单帧图像的红外弱小目标检测算法的原理、主要步骤及特点进行了综述；分析了红外弱小目标检测技术的发展趋势。

文中基于OpenGL对舰船目标进行红外热像模拟，根据红外物理和传热学知识，综合考虑面元之间辐射、传导、对流以及面元与周围大气、海面、太阳之间的辐射、对流，建立较为完善的舰船目标红外物理模型，计算出舰船各部分的温度分布及辐射亮度分布。根据辐射亮度量化为灰度信息，经过建模、视点变换、环境设置等一系列处理并渲染输出红外图像，并利用双缓存技术实现动态红外图像的生成。

红外飞机小目标数据集，共22个data文件夹，每个data文件夹都有标注，不需要自己再做标注。可用于深度学习中红外飞机小目标检测使用，包括天空背景、地面背景、多架飞机、飞机远离、飞机靠近等多种情况。 此处为data1，其他数据集可查看本人其他发布。

针对图像处理中红外线图像的出来方法，双阈值映射自适应红外图像处理算法

输电线路绝缘子红外图像数据集（含标签）

针对红外图像的火焰识别,采用基于粒子群优化算法的二维最大熵阈值选取方法,选取最佳阈值对红外图像进行分割,使可疑区域从背景中分离出来.选择物体的高度作为特征量,采用标准模板序列,设计两层模糊分类器分析物体的高度变化和灰度分布,给出可疑目标隶属于火焰的评价.实验证明,这种结合火焰动、静特性的算法鲁棒性强,识别率及灵敏度较高,适用于广范围的火灾监控.

这是电气设备——变压器状态监测的热图像(IRT)数据集。所有人为产生的缺陷都是内部故障。

研究单帧红外图像小目标的检测问题。对传统基于数学形态学的Top-hat算子进行分析和实验，并利用一种最大类间方差方法确定分割阈值，进行图像分割和目标检测。在Matlab仿真中发现，这种方法能够在一定程度上提高单帧图像目标检测的成功率，并且在一定程度上能够适应不同环境的需要，在实际应用中具有一定的鲁棒性。同时描述一种基于DSP+FPGA的红外图像处理系统，该结构在一定程度上可满足实时性和灵活性的要求，具有很强的通用性和可扩展性。介绍了该系统的总体结构，并且给出系统各部分的硬件组成，同时描述各个部分之间的数据传输关系。

由于成像环境的变化和红外成像传感器的局限性，红外图像通常具有一些缺点：对比度低，细节少和边缘不清晰。 因此，为了促进红外成像技术的应用，必须提高红外图像的质量。 为了自适应地增强图像细节和边缘，我们在提出的图像增强方案下提出了一种红外图像增强方法。 一方面，假设高质量图像比低质量图像具有更明显的结构奇异性，我们提出了一种依赖于结构特征提取的图像增强方案。 另一方面，不同于当前基于深度学习网络的图像增强算法，该算法试图训练和构建端到端映射以提高图像质量，我们分析了堆叠稀疏去噪自动编码器中第一层的重要性，以及为提出的图像增强方案提出了一种新颖的特征提取方法。 实验结果证明，该新颖的特征提取方法在边缘没有伪影，例如块状伪影，“梯度反转”和伪轮廓。 与其他增强方法相比，该方法在红外图像增强方面达到了最佳性能。

红外飞机小目标数据集，共22个data文件夹，每个data文件夹都有标注，不需要自己再做标注。可用于深度学习中红外飞机小目标检测使用，包括天空背景、地面背景、多架飞机、飞机远离、飞机靠近等多种情况。 此处仅标注信息，其他数据集可查看本人其他发布。