基于时空特征的林火视频烟雾识别
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及其现实意义 | 第8页 |
| 1.2 森林火灾探测技术的国内外研究现状 | 第8-10页 |
| 1.2.1 国外林火监测研究现状 | 第9-10页 |
| 1.2.2 国内林火监测研究现状 | 第10页 |
| 1.3 火灾烟雾视频检测算法研究现状 | 第10-11页 |
| 1.4 本文研究内容 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 烟雾视频模糊增强算法 | 第13-21页 |
| 2.1 基本图像增强 | 第13-15页 |
| 2.1.1 空域增强 | 第13-15页 |
| 2.1.2 频域增强 | 第15页 |
| 2.2 烟雾图像真彩色的快速模糊增强 | 第15-18页 |
| 2.2.1 颜色空间 | 第15-17页 |
| 2.2.2 烟雾HSV空间的快速模糊增强 | 第17-18页 |
| 2.3 实验结果与分析 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 林火疑似烟雾区域的分割 | 第21-36页 |
| 3.1 烟雾区域的运动分割 | 第21-24页 |
| 3.1.1 帧差法 | 第21-22页 |
| 3.1.2 累积差分法 | 第22-24页 |
| 3.1.3 背景减除法 | 第24页 |
| 3.2 传统林火背景建模更新 | 第24-28页 |
| 3.2.1 运动更新背景 | 第24-25页 |
| 3.2.2 Kalman滤波背景建模 | 第25-27页 |
| 3.2.3 混合高斯自适应更新 | 第27-28页 |
| 3.3 基于Kalman林火烟雾视频高斯建模 | 第28-30页 |
| 3.4 基于颜色的林火烟雾区域分割 | 第30-34页 |
| 3.4.1 HSV和RGB的联合分割 | 第30-32页 |
| 3.4.2 形态学处理 | 第32-34页 |
| 3.5 实验结果与分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 烟雾时空特征的提取与分析 | 第36-44页 |
| 4.1 烟雾飘动方向 | 第36-37页 |
| 4.2 飘动面积增长率 | 第37-38页 |
| 4.3 烟雾复杂度 | 第38-40页 |
| 4.4 背景模糊度 | 第40-41页 |
| 4.5 实验结果与分析 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 基于神经网络的多特征融合的烟雾识别 | 第44-53页 |
| 5.1 神经网络概念及特点 | 第44-45页 |
| 5.2 BP神经网络结构 | 第45页 |
| 5.3 设计烟雾BP神经网络 | 第45-49页 |
| 5.3.1 BP网络隐层节点数 | 第45-46页 |
| 5.3.2 网络的输入输出信号和样本 | 第46页 |
| 5.3.3 BP初始值和输入的样本分析 | 第46-47页 |
| 5.3.4 BP算法流程 | 第47-49页 |
| 5.4 智能识别烟与非烟 | 第49-50页 |
| 5.5 综合实验与分析 | 第50-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 攻读学位期间发表的学术论文 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录：论文图片及录用通知 | 第58-65页 |
