系统以STM32F103为控制核心，用户通过手机或其它手持设备经蓝牙模块发送数据到STM32上，STM32接收到指令处理后经红外模块发送到终端设备上。实现家居的智能控制，整个系统具有较强的抗干扰能力及可靠性，可适用于智能家居应用领域。

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。

一个用红外接数据接收验证的程序，采用HS0038接收器，yz-100遥控发送。亲测可用！

红外焦平面阵列(IRFPA)的非均匀性是其应用中必须解决的技术难题之一。基于小波理论,提出了一种基于成像场景的红外焦平面非均匀性校正算法。该算法选择合适的小波函数对红外成像序列进行小波分解,而后对分解的信号计算出相应的统计量,从而得出红外焦平面非均匀性校正的偏置和增益校正系数,以此最终实现非均匀性校正。对真实红外序列图像的处理效果验证了该算法可较好地实现非均匀性校正。此外该算法对慢变化量具有较好的自适应性,可较好地抑制一般基于场景统计的非均匀性校正算法中出现的“人工虚影”的现象。

分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正(NUC)算法和基于场景的NUC算法的优势和问题。在此基础上提出了联合NUC算法，其中利用基于定标的两点校正法来初步消除探测器的非均匀性，然后再采用基于场景的时域高通校正法和新型自适应滤波校正法来抑制探测器非均匀性参数漂移的影响，同时减弱系统噪声对成像质量的破坏。实验结果表明，与两点法、时域高通法以及传统自适应滤波法等具有较大工程应用价值的NUC算法相比，联合NUC算法具有稳定而且性能更为优良的校正效果。

完整代码，可直接运行

利用改进分裂窗算法对FY3热红外数据进行地表温度的反演研究，蒋志昊，鲍艳松，考虑到FY-3A上所搭载的VIRR和MERSI传感器与AVHRR传感器在热红外通道设置相似，所以利用Becker and Li基于AVHRR热红外通道数据发展的改进分裂�

基于51单片机的智能小车，可以实现红外避障，小车循迹，手动遥控，报警电路，PWM调速等功能，该压缩包附有实现全部功能的程序，可以下载下来酌情修改为自己所用

光电开关原理，红外传感器，应用于检测报警等

学习型红外遥控器设计学习型红外遥控器设计学习型红外遥控器设计学习型红外遥控器设计学习型红外遥控器设计学习型红外遥控器设计