基于图像处理的火灾火焰识别算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 课题的主要研究工作 | 第11-14页 |
| 第2章 图像处理的基本理论 | 第14-22页 |
| 2.1 彩色图像的颜色表示 | 第14-17页 |
| 2.1.1 RGB颜色模型 | 第14-15页 |
| 2.1.2 HSI颜色模型 | 第15-16页 |
| 2.1.3 YUV工业颜色模型 | 第16-17页 |
| 2.2 图像的平滑与滤波 | 第17-18页 |
| 2.3 彩色图像灰度化 | 第18页 |
| 2.4 图像的形态学处理 | 第18-22页 |
| 2.4.1 腐蚀 | 第19页 |
| 2.4.2 膨胀 | 第19-20页 |
| 2.4.3 开-闭运算 | 第20-22页 |
| 第3章 火焰图像的预处理 | 第22-38页 |
| 3.1 引言 | 第22页 |
| 3.2 基于背景减除法的火焰目标提取 | 第22-30页 |
| 3.2.1 阈值分割 | 第23-24页 |
| 3.2.2 背景减除法的基本原理 | 第24-25页 |
| 3.2.3 初始背景建模 | 第25-28页 |
| 3.2.4 背景更新 | 第28-29页 |
| 3.2.5 实验结果 | 第29-30页 |
| 3.3 基于颜色特征的火焰目标提取 | 第30-32页 |
| 3.3.1 火焰的颜色特征 | 第30-31页 |
| 3.3.2 利用颜色特征提取火焰目标的步骤 | 第31-32页 |
| 3.4 常见干扰目标的去除 | 第32-34页 |
| 3.4.1 区域标记 | 第32-33页 |
| 3.4.2 小面积目标的滤除 | 第33页 |
| 3.4.3 高圆形度目标的滤除 | 第33-34页 |
| 3.5 火焰图像的预处理流程 | 第34-36页 |
| 3.6 实验结果 | 第36-38页 |
| 第4章 火焰视频图像的动态特征提取 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 火焰图像序列的相似度特征 | 第38-40页 |
| 4.3 火焰像素的灰度变化强度特征 | 第40-43页 |
| 4.4 火焰的边缘抖动特征 | 第43-56页 |
| 4.4.1 边缘提取 | 第43-48页 |
| 4.4.2 边缘跟踪 | 第48-49页 |
| 4.4.3 尖角检测 | 第49-53页 |
| 4.4.4 火焰目标尖角数目变化特征 | 第53-56页 |
| 第5章 基于BP人工神经网络的火灾火焰识别 | 第56-74页 |
| 5.1 引言 | 第56页 |
| 5.2 人工神经网络的基本模型 | 第56-59页 |
| 5.3 BP神经网络的结构 | 第59-61页 |
| 5.3.1 神经网络的输入层 | 第59-60页 |
| 5.3.2 神经网络的隐含层 | 第60页 |
| 5.3.3 神经网络的输出层 | 第60-61页 |
| 5.4 BP神经网络模型的运行 | 第61页 |
| 5.5 BP神经网络的训练 | 第61-66页 |
| 5.6 BP神经网络的生成 | 第66-68页 |
| 5.7 火灾火焰识别的软件实现流程 | 第68-70页 |
| 5.8 火灾火焰识别实验 | 第70-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 本论文完成的工作 | 第74页 |
| 6.2 课题展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |
