基于视频处理的火焰和烟气检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-14页 |
| 1.2.1 视频火灾检测技术 | 第11页 |
| 1.2.2 基于视频中火焰特征的检测方法 | 第11-13页 |
| 1.2.3 基于视频中烟气特征的检测方法 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 第2章 视频中火焰和烟气检测的理论基础 | 第16-27页 |
| 2.1 视频图像的预处理 | 第16-17页 |
| 2.2 颜色模型 | 第17-19页 |
| 2.3 纹理分析方法 | 第19-21页 |
| 2.4 形态学处理方法 | 第21-24页 |
| 2.5 神经网络 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 视频序列的运动检测 | 第27-43页 |
| 3.1 传统的运动检测方法 | 第27-30页 |
| 3.1.1 帧间差分法 | 第27-28页 |
| 3.1.2 背景差分法 | 第28-29页 |
| 3.1.3 光流法 | 第29-30页 |
| 3.2 结合相邻帧和背景信息改进的运动检测 | 第30-36页 |
| 3.2.1 基于三阶中心矩的背景区域确定 | 第30-34页 |
| 3.2.2 抑制虚假运动像素点 | 第34-35页 |
| 3.2.3 运动检测流程 | 第35-36页 |
| 3.2.4 实验结果及分析 | 第36页 |
| 3.3 基于GICA的运动检测 | 第36-42页 |
| 3.3.1 ICA算法 | 第36-38页 |
| 3.3.2 FastICA算法 | 第38页 |
| 3.3.3 GICA算法 | 第38-40页 |
| 3.3.4 实验结果与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 视频火焰和烟气的特征提取 | 第43-57页 |
| 4.1 火焰的特征提取 | 第43-51页 |
| 4.1.1 火焰颜色特征的判别依据 | 第43-46页 |
| 4.1.2 火焰形状特征的判别依据 | 第46-47页 |
| 4.1.3 火焰纹理特征的判别依据 | 第47-50页 |
| 4.1.4 火焰脉动频率的判别依据 | 第50-51页 |
| 4.2 烟气的特征提取 | 第51-56页 |
| 4.2.1 烟气颜色特征的判别依据 | 第51-53页 |
| 4.2.2 烟气摇摆特征的判别依据 | 第53-55页 |
| 4.2.3 烟气扩散特征的判别依据 | 第55-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 视频火焰和烟气检测算法 | 第57-72页 |
| 5.1 简单的视频火焰和烟气检测合成算法 | 第57-58页 |
| 5.2 基于加权投票机制的视频火焰和烟气检测算法 | 第58-60页 |
| 5.3 基于BP神经网络的视频火焰和烟气检测算法 | 第60-66页 |
| 5.3.1 BP神经网络的结构 | 第60-63页 |
| 5.3.2 BP神经网络的训练步骤 | 第63页 |
| 5.3.3 BP神经网络模型的训练 | 第63-64页 |
| 5.3.4 BP神经网络的性能测试 | 第64-66页 |
| 5.4 检测结果与分析 | 第66-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第79页 |
