基于数字图像处理的火焰燃烧稳定性研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究意义 | 第8-9页 |
| ·课题研究背景 | 第9-10页 |
| ·主要研究内容 | 第10页 |
| ·论文的安排 | 第10-12页 |
| 第二章 基础理论与系统结构 | 第12-16页 |
| ·数字图像处理基础 | 第12-13页 |
| ·图像消噪方法综述 | 第12-13页 |
| ·图像分割方法概述 | 第13页 |
| ·神经网路与支持向量机 | 第13-14页 |
| ·神经网络发展 | 第13-14页 |
| ·支持向量机概述 | 第14页 |
| ·基于图像处理的燃烧系统结构 | 第14-16页 |
| ·燃烧特性 | 第14页 |
| ·系统组成 | 第14-16页 |
| 第三章 火焰图像预处理 | 第16-32页 |
| ·炉膛火焰图像去噪处理 | 第16-21页 |
| ·基于直方图的加权平均算法 | 第16-17页 |
| ·自适应加权中值滤波算法 | 第17-18页 |
| ·自适应均值滤波算法 | 第18页 |
| ·基于离散正交小波变换的图像去噪方法 | 第18-19页 |
| ·炉膛火焰图像去除噪声 | 第19-21页 |
| ·火焰图像分割处理 | 第21-31页 |
| ·大津阈值法（OTSU） | 第22页 |
| ·图像的二维灰度直方图 | 第22-24页 |
| ·基于二维 OTSU 分割的后处理方法 | 第24页 |
| ·基于最大熵阈值分割算法 | 第24页 |
| ·二维 OTSU 阈值分割的快速迭代算法 | 第24-25页 |
| ·基于二维直方图斜分的火焰图像分割 | 第25-31页 |
| ·小结 | 第31-32页 |
| 第四章 基于神经网络的燃烧稳定性判别 | 第32-42页 |
| ·特征量提取 | 第32-36页 |
| ·初始特征量提取 | 第32-36页 |
| ·特征量相关性分析 | 第36页 |
| ·火焰特征量的确定 | 第36页 |
| ·神经网络判别模型 | 第36-38页 |
| ·小波神经网络原理和 PSO 算法 | 第36-37页 |
| ·自适应微粒群算法优化小波神经网络 | 第37-38页 |
| ·仿真结果与分析 | 第38-42页 |
| 第五章 基于支持向量机的燃烧诊断 | 第42-50页 |
| ·支持向量机 | 第42-44页 |
| ·支持向量机的原理 | 第42页 |
| ·支持向量机算法实现 | 第42-43页 |
| ·支持向量机核函数 | 第43-44页 |
| ·最小二乘支持向量机 | 第44-46页 |
| ·最小二乘法的原理 | 第44页 |
| ·最小二乘支持向量机 | 第44-45页 |
| ·改进的最小二乘支持向量机 | 第45-46页 |
| ·算法实现 | 第46-48页 |
| ·利用火焰图像灰度特征的算法实现 | 第46-48页 |
| ·火焰图像特征作为 SVM 输入 | 第48页 |
| ·小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文目录 | 第58-59页 |
