| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 火灾检测技术的研究历史与现状 | 第10-11页 |
| 1.3 基于视频图像的火灾检测的知识简介 | 第11-15页 |
| 1.3.1 基于视频图像的火灾检测的技术难点及目前面临的困难 | 第11-12页 |
| 1.3.2 基于视频图像的火灾检测的主要方法 | 第12-15页 |
| 1.3.3 基于视频图像火灾检测的基本原理 | 第15页 |
| 1.4 主要研究内容 | 第15-16页 |
| 1.5 论文的章节安排 | 第16-18页 |
| 第二章 基于视频图像火灾检测的相关技术 | 第18-28页 |
| 2.1 色彩空间 | 第18-21页 |
| 2.1.1 色彩空间的基本原理 | 第18页 |
| 2.1.2 RGB色彩空间 | 第18-19页 |
| 2.1.3 HIS色彩空间 | 第19-20页 |
| 2.1.4 HSV色彩空间 | 第20-21页 |
| 2.2 边缘检测 | 第21-24页 |
| 2.2.1 边缘检测的模型 | 第21-22页 |
| 2.2.2 边缘检测的算法 | 第22-24页 |
| 2.3 纹理分析 | 第24-27页 |
| 2.3.1 纹理特征 | 第24页 |
| 2.3.2 纹理特征的提取 | 第24-27页 |
| 2.4 matlab简介 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 火焰特征提取及判断 | 第28-38页 |
| 3.1 火焰疑似区域提取 | 第28-31页 |
| 3.1.1 颜色提取技术 | 第28-30页 |
| 3.1.2 火焰颜色特征 | 第30页 |
| 3.1.3 在HIS色彩空间中提取火焰疑似区域 | 第30-31页 |
| 3.2 疑似火焰区域面积的变化判断 | 第31-35页 |
| 3.2.1 疑似火焰面积的等价计算 | 第31-32页 |
| 3.2.2 边缘检测 | 第32页 |
| 3.2.3 疑似火焰区域面积增长的判断 | 第32-35页 |
| 3.3 纹理特征参数提取 | 第35页 |
| 3.4 颜色通道值的提取 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于BP神经网络的火焰图像识别 | 第38-50页 |
| 4.1 人工神经网络简介 | 第38页 |
| 4.2 神经网络的特点及应用 | 第38-40页 |
| 4.2.1 神经网络的特点 | 第38-39页 |
| 4.2.2 神经网络的应用 | 第39-40页 |
| 4.3 BP神经网络 | 第40-43页 |
| 4.3.1 BP神经网络的结构 | 第40页 |
| 4.3.2 BP神经网络的学习算法 | 第40-42页 |
| 4.3.3 BP神经网络相关函数 | 第42-43页 |
| 4.4 基于BP神经网络的火焰识别 | 第43-49页 |
| 4.4.1 建立BP神经网络 | 第44-46页 |
| 4.4.2 基于matlab的仿真实验 | 第46-49页 |
| 4.4.3 实验结果分析 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 火灾探测系统的提出与实现 | 第50-58页 |
| 5.1 火灾探测系统的构架 | 第50页 |
| 5.2 软件系统 | 第50-51页 |
| 5.3 性能测试 | 第51-56页 |
| 5.3.1 系统运行步骤 | 第51-54页 |
| 5.3.2 系统测试 | 第54-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结 | 第58-62页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 展望 | 第59-62页 |
| 参考文献 | 第62-64页 |
| 作者简介 | 第64页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |