基于视频的火焰检测算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 视频火焰检测的研究背景及意义 | 第13-14页 |
| 1.2 早期基于传感器的探测方法 | 第14-15页 |
| 1.3 国内外发展状况 | 第15-16页 |
| 1.3.1 国外研究现状 | 第15-16页 |
| 1.3.2 国内研究现状 | 第16页 |
| 1.4 本文的研究内容 | 第16-17页 |
| 1.5 论文的章节安排 | 第17-19页 |
| 第2章 火焰检测的基本理论 | 第19-37页 |
| 2.1 火焰图像的降噪处理 | 第19-24页 |
| 2.1.1 均值滤波降噪 | 第19-20页 |
| 2.1.2 中值滤波降噪 | 第20-22页 |
| 2.1.3 高斯滤波去噪 | 第22-24页 |
| 2.2 火焰图像的颜色空间模型 | 第24-27页 |
| 2.2.1 RGB颜色空间下的火焰模型 | 第24-25页 |
| 2.2.2 HSI颜色空间下的火焰模型 | 第25-26页 |
| 2.2.3 YCbCr颜色空间下的火焰模型 | 第26-27页 |
| 2.3 火焰图像的结构几何特征 | 第27-30页 |
| 2.3.1 火焰图像的矩形度 | 第27-28页 |
| 2.3.2 火焰图像的边界粗糙度 | 第28-29页 |
| 2.3.3 火焰图像的尖角检测 | 第29页 |
| 2.3.4 火焰图像的质心运动 | 第29-30页 |
| 2.4 火焰图像的运动目标提取 | 第30-35页 |
| 2.4.1 CodeBook背景建模 | 第30-32页 |
| 2.4.2 混合高斯背景建模 | 第32-33页 |
| 2.4.3 光流法运动目标检测 | 第33-35页 |
| 2.5 小结 | 第35-37页 |
| 第3章 结合显著性的火焰候选区域提取 | 第37-47页 |
| 3.1 视觉显著性理论 | 第37-38页 |
| 3.1.1 视觉显著性检测简介 | 第37-38页 |
| 3.2 视觉显著性模型 | 第38-42页 |
| 3.2.1 Itti模型分析 | 第38-40页 |
| 3.2.2 其他显著性模型介绍 | 第40-42页 |
| 3.3 火焰图像的融合显著性图 | 第42-44页 |
| 3.3.1 火焰图像的局部显著性 | 第42页 |
| 3.3.2 火焰图像的全局显著性 | 第42-43页 |
| 3.3.4 火焰图像显著性融合 | 第43-44页 |
| 3.4 火焰候选区域的筛选 | 第44-45页 |
| 3.5 小结 | 第45-47页 |
| 第4章 基于支持向量机的火焰检测 | 第47-62页 |
| 4.1 视频火焰检测流程 | 第47-48页 |
| 4.2 火焰特征点的改进 | 第48-51页 |
| 4.2.1 火焰颜色的高斯分布模型 | 第48-50页 |
| 4.2.2 火焰图像的偏度 | 第50-51页 |
| 4.3 机器学习分类识别 | 第51-56页 |
| 4.3.1 机器学习简介 | 第51页 |
| 4.3.2 支持向量机 | 第51-56页 |
| 4.4 支持向量机判别 | 第56-60页 |
| 4.4.1 支持向量机模型的训练 | 第56-58页 |
| 4.4.2 实验结果分析 | 第58-60页 |
| 4.5 小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 主要工作与结论 | 第62页 |
| 5.2 进一步的研究与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |
