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。

一些关于红外图像和可见光图像的配准及增强的代码

在低信噪比图像处理中，为了在图像去噪时更好地保留边缘，提出了一种各向异性扩散-中值滤波方法。这种方法包含两个步骤：首先，为了使滤波器在抑制噪声时具有鲁棒的边缘保持能力，该方法采用各向异性扩散滤波对图像进行处理，其中，各向异性扩散滤波中的扩散函数选用Tukey函数；然后，为了去除各向异性扩散滤波后图像中的脉冲噪声，采用中值滤波对图像做进一步的处理，从而使这种滤波方法在抑制噪声的同时使边缘模糊达到最小。从仿真结果可以看出，文中的方法具有良好的噪声抑制和边缘保持能力。

提出一种基于深度学习的弱小目标检测方法,该方法基于语义分割任务,利用全卷积递归网络学习复杂背景下弱小目标的特征,并在网络中使用了残差学习和递归操作,具有加速网络优化、模型参数少、深度递归监督和特征重用等特点。将此方法应用在两个真实的图像序列和红外图像测试集上,与三种最新的弱小目标检测方法进行对比,结果显示,在目标增强和背景抑制方面,此方法取得了最好的可视化效果,并在目标检测率、信噪比增益、信杂比增益和背景抑制因子等评价指标上取得了优秀的测试结果。因此,对于不同场景下的红外图像弱小目标检测问题,此方法具有良好的适用性和鲁棒性。