基于视频的火灾检测技术在核电站中的应用研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.2 基于视频的火灾探测技术的优势 | 第11-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 问题分析及融合方案 | 第16-25页 |
| 2.1 传统火警探测系统情况 | 第16-20页 |
| 2.1.1 大空间火灾探测 | 第16-18页 |
| 2.1.2 高辐射区域的火警探测 | 第18-20页 |
| 2.2 方案实现 | 第20-24页 |
| 2.2.1 梳理规划 | 第20-21页 |
| 2.2.2 网络结构 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 图像预处理技术 | 第25-34页 |
| 3.1 形态学处理 | 第25-27页 |
| 3.2 直方图均衡化处理 | 第27页 |
| 3.3 均值滤波 | 第27-28页 |
| 3.4 中值滤波 | 第28-29页 |
| 3.5 KALMAN滤波 | 第29-31页 |
| 3.6 火焰图像的滤波比较 | 第31-32页 |
| 3.7 本章小结 | 第32-34页 |
| 第四章 火灾特征及其提取 | 第34-44页 |
| 4.1 火焰特征 | 第34-37页 |
| 4.1.1 火焰静态特征 | 第34-36页 |
| 4.1.2 火焰动态特征 | 第36-37页 |
| 4.2 烟雾特征 | 第37-40页 |
| 4.2.1 面积的变化率 | 第37-38页 |
| 4.2.2 颜色特性 | 第38-39页 |
| 4.2.3 纹理特征 | 第39-40页 |
| 4.3 目标分割 | 第40-43页 |
| 4.3.1 一般分割方法 | 第40页 |
| 4.3.2 混合高斯背景建模和三帧差分法 | 第40-42页 |
| 4.3.3 混合高斯背景建模和三帧差分法的结合 | 第42-43页 |
| 4.4 分割比较 | 第43-44页 |
| 第五章 基于支持向量机的火灾识别 | 第44-59页 |
| 5.1 机器学习相关概念 | 第44-45页 |
| 5.2 支持向量机的基本理论 | 第45-48页 |
| 5.3 LS-SVM的算法过程 | 第48-50页 |
| 5.4 数据预处理 | 第50-51页 |
| 5.5 算法实验及结果分析 | 第51-58页 |
| 5.5.1 模型建立描述 | 第51-54页 |
| 5.5.2 实验评价标准 | 第54-55页 |
| 5.5.3 实验结果分析 | 第55页 |
| 5.5.4 基于视频的火灾检测系统的实现 | 第55-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59-60页 |
| 6.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读工程硕士学位期间的论文发表情况 | 第65页 |
