基于低照度室内视频图像的烟雾检测算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外视频烟雾探测技术研究现状 | 第9-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文章节安排 | 第12-13页 |
| 2 烟雾可疑区域提取 | 第13-35页 |
| 2.1 图像采集及预处理 | 第13-23页 |
| 2.1.1 图像采集 | 第13-14页 |
| 2.1.2 灰度化 | 第14-15页 |
| 2.1.3 自适应中值滤波的低照度图像去噪 | 第15-17页 |
| 2.1.4 改进自适应中值滤波的低照度图像去噪 | 第17-20页 |
| 2.1.5 去噪算法对比 | 第20-23页 |
| 2.2 运动目标检测 | 第23-30页 |
| 2.2.1 背景差分法 | 第23-25页 |
| 2.2.2 混合高斯模型法 | 第25-26页 |
| 2.2.3 算法效果对比 | 第26-28页 |
| 2.2.4 改进混合高斯模型 | 第28-29页 |
| 2.2.5 改进混合高斯模型的烟雾可疑区域提取 | 第29-30页 |
| 2.3 烟雾可疑区域形态学处理 | 第30-34页 |
| 2.3.1 形态学基本概念 | 第30-32页 |
| 2.3.2 烟雾可疑区域形态学处理 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 烟雾可疑区域特征分析 | 第35-50页 |
| 3.1 面积扩散特征 | 第35-39页 |
| 3.1.1 面积扩散特征提取 | 第36-37页 |
| 3.1.2 面积扩散特征分析 | 第37-39页 |
| 3.2 扩散方向特征 | 第39-42页 |
| 3.2.1 扩散方向特征提取 | 第39-41页 |
| 3.2.2 扩散方向特征分析 | 第41-42页 |
| 3.3 纹理特征 | 第42-49页 |
| 3.3.1 灰度共生矩阵 | 第43-44页 |
| 3.3.2 灰度共生矩阵分析 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 基于SVM的烟雾特征融合与判定 | 第50-63页 |
| 4.1 SVM简介 | 第50-54页 |
| 4.1.1 线性支持向量机 | 第51-53页 |
| 4.1.2 非线性支持向量机 | 第53-54页 |
| 4.1.3 支持向量机模型 | 第54页 |
| 4.2 SVM算法实现 | 第54-56页 |
| 4.2.1 算法步骤 | 第55页 |
| 4.2.2 Lib SVM软件包简介 | 第55-56页 |
| 4.3 基于SVM的烟雾特征融合与判定 | 第56-62页 |
| 4.3.1 特征向量构建 | 第56-59页 |
| 4.3.2 SVM参数选择 | 第59-60页 |
| 4.3.3 SVM模型训练 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 烟雾识别算法测试与结果分析 | 第63-71页 |
| 5.1 实验环境与测试对象 | 第63-64页 |
| 5.2 烟雾识别算法测试结果 | 第64-69页 |
| 5.3 烟雾识别算法结果分析 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录 | 第77页 |
