| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10页 |
| 1.2 森林防火烟雾识别技术发展现状 | 第10-14页 |
| 1.2.1 国外森林防火烟雾识别技术发展现状 | 第11-12页 |
| 1.2.2 国内森林防火烟雾识别技术发展现状 | 第12-14页 |
| 1.3 直连人工神经网络的研究现状 | 第14-16页 |
| 1.4 论文的主要研究工作和结构安排 | 第16-18页 |
| 1.4.1 论文解决的技术难点 | 第16-17页 |
| 1.4.2 论文的结构安排 | 第17-18页 |
| 第二章 BPNN-DIOC网络优化算法 | 第18-26页 |
| 2.1 BPNN-DIOC网络 | 第18-20页 |
| 2.2 BPNN-DIOC网络优化算法 | 第20-25页 |
| 2.2.1 BPNN-DIOC网络经典LM算法 | 第20-22页 |
| 2.2.2 BPNN-DIOC贝叶斯正则化算法 | 第22-23页 |
| 2.2.3 实验仿真与分析 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 BPNN-DIOC网络分类效果综合评估 | 第26-40页 |
| 3.1 数据预处理 | 第26-32页 |
| 3.1.1 UCI数据集选择 | 第26-28页 |
| 3.1.2 数据集归一化 | 第28-30页 |
| 3.1.3 神经网络结构的建立 | 第30页 |
| 3.1.4 神经网络结构模式 | 第30-32页 |
| 3.2 仿真实验结果与分析 | 第32-38页 |
| 3.2.1 仿真实验 | 第32-34页 |
| 3.2.2 性能优化 | 第34-36页 |
| 3.2.3 隐含层神经元优化 | 第36-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第四章 森林火灾视频烟雾图像运动目标提取 | 第40-52页 |
| 4.1 运动目标检测 | 第40-48页 |
| 4.1.1 光流法 | 第40-41页 |
| 4.1.2 三帧差分法 | 第41-44页 |
| 4.1.3 背景差分法 | 第44-45页 |
| 4.1.4 混合高斯模型法 | 第45-48页 |
| 4.2 仿真实验和对比 | 第48-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 基于BPNN-DIOC网络的森林火灾烟雾识别 | 第52-68页 |
| 5.1 森林火灾烟雾属性与特征分析 | 第52-62页 |
| 5.1.1 颜色特征分析 | 第52-55页 |
| 5.1.2 烟雾像素凸形度特征 | 第55-56页 |
| 5.1.3 烟雾运动的面积增长特性 | 第56-57页 |
| 5.1.4 烟雾形状的不规则特性 | 第57-59页 |
| 5.1.5 烟雾使背景模糊特性 | 第59-62页 |
| 5.1.6 本节小结 | 第62页 |
| 5.2 基于BPNN-DIOC网络森林火灾烟雾识别的多特征融合和判别 | 第62-66页 |
| 5.3 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间所发表的学术论文 | 第76页 |