基于图像处理的瓦斯抽采系统火灾隐患判识研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·选题背景和研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·本文的主要研究内容及任务 | 第15-17页 |
| ·研究的主要目的 | 第15-16页 |
| ·研究的主要内容 | 第16页 |
| ·本课题的主要任务 | 第16-17页 |
| ·论文的结构安排 | 第17-19页 |
| 2 瓦斯抽采系统火灾隐患的介绍 | 第19-25页 |
| ·井下瓦斯抽采系统火灾隐患 | 第19-24页 |
| ·井下瓦斯抽采系统简述 | 第19页 |
| ·瓦斯抽采系统安全隐患概述 | 第19-21页 |
| ·火灾隐患识别技术的基本原理 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 3 系统的总体设计 | 第25-31页 |
| ·系统总体结构 | 第25-26页 |
| ·系统的硬件设计 | 第26-30页 |
| ·图像采集单元 | 第26-27页 |
| ·DSP图像处理单元 | 第27-29页 |
| ·传输单元 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 图像的预处理和图像的分割 | 第31-49页 |
| ·图像的预处理 | 第31-38页 |
| ·彩色图像模型转灰度图像 | 第31-33页 |
| ·灰度的增强变化 | 第33-35页 |
| ·图像的去噪 | 第35-38页 |
| ·图像的分割 | 第38-47页 |
| ·动态运动目标的分割 | 第39-42页 |
| ·静态疑似火焰图像边缘的分割 | 第42-47页 |
| ·本章小结 | 第47-49页 |
| 5 疑似火焰图像的静态和动态特征提取 | 第49-65页 |
| ·疑似火焰图像的静态特征提取 | 第49-54页 |
| ·颜色特征分析 | 第49-50页 |
| ·纹理特征分析 | 第50-53页 |
| ·形状特征提取 | 第53-54页 |
| ·疑似火焰图像的动态特征提取 | 第54-63页 |
| ·面积变化率 | 第54-56页 |
| ·形体相似度 | 第56-57页 |
| ·整体移动特性 | 第57-58页 |
| ·尖角特性 | 第58-63页 |
| ·本章小结 | 第63-65页 |
| 6 基于神经网络的火灾识别 | 第65-79页 |
| ·人工神经网络的简介 | 第65-66页 |
| ·BP神经网络的图像火灾结构的建立和学习样本 | 第66-69页 |
| ·神经网络的输入信号和输出信号 | 第67-68页 |
| ·神经网络的隐层节点数 | 第68页 |
| ·神经网络学习样本 | 第68-69页 |
| ·火灾图像识别的BP神经网络结构设计 | 第69页 |
| ·MATLAB仿真实验及训练结果分析 | 第69-77页 |
| ·本章小结 | 第77-79页 |
| 7 论文总结及工作展望 | 第79-81页 |
| ·工作总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 致谢 | 第84-85页 |
| 作者简介 | 第85页 |
