首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

支持向量机在森林火灾识别中的应用研究

目录第1-6页
Contents第6-8页
中文摘要第8-9页
ABSTRACT第9-11页
第一章 绪论第11-17页
   ·引言第11页
   ·本文研究的背景及意义第11-12页
   ·国内外研究动态第12-14页
     ·森林火灾识别系统研究现状第12-13页
     ·图像型火灾识别系统研究现状第13-14页
   ·森林火灾的原因和发展过程第14-15页
   ·本文的主要研究内容和章节安排第15-17页
第二章 森林火灾图像采集与增强第17-26页
   ·森林火灾的图像采集第17-19页
   ·森林火灾图像的灰度化第19页
   ·森林火灾图像的直方图均衡化第19-21页
   ·森林火灾图像的平滑第21-24页
   ·本章小结第24-26页
第三章 森林火灾图像分割第26-38页
   ·最大类间方差阈值法(Ostu法)第26-27页
   ·区域生长法第27-28页
   ·彩色模型的森林火灾图像分割第28-31页
     ·RGB模型第28-30页
     ·HIS模型第30-31页
   ·森林火灾图像形态学处理第31-33页
     ·腐蚀第31-32页
     ·膨胀第32页
     ·区域填充第32-33页
   ·基于HSI模型的算法改进第33-34页
   ·实验仿真结果第34-37页
   ·小章小结第37-38页
第四章 森林火灾图像的特征提取第38-47页
   ·森林火灾特征分析第38-39页
     ·森林火灾颜色分析第38页
     ·森林火灾形状分析第38页
     ·森林火灾动态分析第38-39页
   ·森林火灾的颜色特征提取第39-40页
   ·森林火灾的形状特征提取第40-44页
     ·圆形度特征提取第41-42页
     ·偏心率特征提取第42-44页
   ·森林火灾的动态特征提取第44-46页
     ·帧间相似度第45页
     ·火焰区域面积值第45-46页
   ·本章小结第46-47页
第五章 支持向量机的森林火灾识别第47-57页
   ·支持向量机的分类思想第47-48页
   ·支持向量机的理论基础第48-52页
     ·线性可分情况下的SVM第48-50页
     ·线性不可分情况下的SVM第50-51页
     ·核函数第51-52页
   ·SVM模型的建立第52-53页
     ·数据归一化第52-53页
     ·交叉检验选择最佳参数第53页
   ·实验数据及仿真第53-55页
   ·本章小结第55-57页
第六章 总结与展望第57-59页
参考文献第59-62页
攻读学位期间取得的研究成果第62-63页
致谢第63-64页
个人简况及联系方式第64-66页

论文共66页,点击 下载论文
上一篇:基于相关特性的数字图像去噪方法研究
下一篇:多领域的文本情感倾向分类方法研究