随着无人机技术的日益成熟和应用场景的不断拓展，无人机遥感已经成为测绘、农业、环境监测等多个领域的关键技术。在无人机遥感应用中，热红外图像由于其独特的功能，能够捕捉到地表的热辐射信息，从而进行温度分布和目标识别，这在夜间观测、火灾监测、农业病虫害检测等方面具有重要的作用。热红外图像通常以JPG格式存储，但是为了提高图像处理的质量和兼容性，经常需要将JPG格式转换为TIFF格式。 本压缩包提供的脚本，旨在解决多旋翼无人机，尤其是大疆系列无人机在航拍热红外图像时遇到的格式转换问题。大疆作为全球知名的无人机制造商，其产品线包括禅思H20NXTSH20系列、经纬M30系列以及御2行业进阶版Mavic等，这些产品广泛应用于商业和科研领域。无人机在执行航拍任务时，搭载的热成像摄像头能够获取到高精度的热红外图像数据，而为了后续的数据处理和分析，需要将这些图像数据转换成标准的TIFF格式。 该脚本的设计和应用，使得用户无需手动进行繁琐的格式转换工作，通过自动化处理过程大大提高了工作效率。它不仅支持大疆系列无人机，还兼顾了操作的简便性和高效性，使得即使是初学者也能快速上手，进行热红外图像的处理工作。 具体而言，该脚本可能包含了以下几个关键步骤： 1. 批量读取JPG格式的热红外图像文件。 2. 对图像进行必要的预处理，如调整亮度、对比度、去噪等。 3. 将处理后的图像进行格式转换，保存为TIFF格式。 4. 自动保存转换后的文件到指定文件夹，方便后续管理和分析。 除了脚本文件之外，压缩包中还包含了“附赠资源.docx”和“说明文件.txt”两个文件。附赠资源.docx文件可能包含一些额外的参考资料，比如热红外图像的处理原理、应用案例、操作手册等，以便用户能够更好地理解脚本的应用范围和操作细节。而说明文件.txt则可能提供了脚本安装、运行的具体指导，包括脚本依赖的软件环境、运行环境配置、常见的问题解答等，帮助用户快速解决在使用过程中遇到的问题。 该压缩包为大疆系列无人机用户提供了完整的热红外图像处理解决方案，从图像格式的转换到详细的操作说明，极大地便利了科研人员和专业技术人员在进行无人机遥感监测工作时的图像数据处理需求。

红外行人检测数据集，由FLIR热红外相机采集得到，全部已经标注包含txt标签文件，下载解压后即可使用。

地表温度反演的方法： 1）大气校正法:all thermal IR data 严格按照辐射传输理论来建立辐射传输方程，需要的大气参数比较多，由于其大气参数很难实时获取，一般是用标准大气和大气模型模拟计算，所以精度很难得到保证，有时偏差很大。

基于可见光谱人脸识别技术的效率和精度受光照、姿态、遮挡、表情变化和照片欺诈等因素的影响较大, 尤其是夜视环境下的人脸识别难题亟待解决。为此, 提出了一种基于热红外光谱的人脸特征提取算法。对热红外人脸图像进行数据建模获取极大化数据模型, 估计并调整混合模型参数到高斯混合模型; 提取热红外高斯混合人脸图像的等温特征, 实现热特征图像的重建; 最后通过计算概率邻近指数来度量个体间的相似度, 给出识别结果。UCHThermalFace数据库的实验结果表明：该方法应对夜视环境下的多姿态、特征变化、随机遮挡和眼部噪声样本具有较高的识别精度和稳健性, 极大地提高了人脸识别系统夜视环境下的抗干扰能力。

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�

南京大学王凤敏的热红外遥感原理及应用课件，对实习热红外遥感有一定的参考价值。

自述文件 pithermalcam项目和随附的文档，该将MLX90640热像仪连接到Raspberry Pi。 （基于Pi 4） 设置主要基于和并基于中的作品进行。 非常感谢这些人的出色工作。 有关该项目的完整详细信息，请访问 ，包括全面的硬件/软件设置，安装，使用说明以及可能的结果示例。 此处仅包括用于开发目的的粗略概述。 手动安装/设置 本节仅讨论软件设置，并假设您已设置硬件，正确连接MLX90640，打开I2C并将I2C波特率提高到400k。 请参阅上面的完整详细信息链接，以获取有关硬件和软件安装的详细说明。 以下安装用于库的手动操作。 对于从PyPi安装Pip，请跳过以下内容，只需执行pip3 install pithermalcam 。 使用apt-get安装以下各项：libatlas-base-dev python-smbus i2c-tools 使用以下任一方法安装

可见光图像易受光照变化影响，而热红外图像对成像的光照条件具有鲁棒性，因此，热红外图像可以弥补可见光图像光照敏感性这一不足。然而，红外热像仪价格昂贵，采集热红外图像的成本远高于可见光图像。针对此问题，提出了一种基于生成对抗网络的热红外人脸图像生成方法，采用条件生成对抗网络结合L1损失从可见光图像中生成红外热像。在USTC-NIVE数据库上的实验结果验证了所提出的红外热像生成方法的有效性。同时，将生成的红外热像作为扩充样本，有助于提高红外表情识别的精度。

描述植被指数提出方法和应用，植被密度和生长状况的定量度量

2021年最新的海康威视红外产品选型手册，英文版本，但不影响阅读。