基于视频监控的火灾图像识别研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-13页 |
| ·选题背景 | 第6-8页 |
| ·早期火灾探测技术的发展 | 第6-7页 |
| ·传统火灾探测装置的弊端 | 第7页 |
| ·火灾图像监测技术的提出 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·火灾图像监测技术的研究现状 | 第8-9页 |
| ·人工神经网络火灾探测技术的发展现状 | 第9-10页 |
| ·远程视频监控与图像识别系统的介绍 | 第10-12页 |
| ·监控点 | 第10页 |
| ·传输系统 | 第10页 |
| ·监控识别中心 | 第10-12页 |
| ·论文研究的主要内容 | 第12-13页 |
| 第二章 数字图像处理的基本理论 | 第13-21页 |
| ·图像分割技术 | 第13-18页 |
| ·基于阈值的分割技术 | 第13-15页 |
| ·基于边缘的分割技术 | 第15-17页 |
| ·基于区域特性的分割技术 | 第17页 |
| ·基于特征空间聚类的分割技术 | 第17-18页 |
| ·图像的滤波 | 第18-21页 |
| ·线性滤波 | 第18-19页 |
| ·非线性滤波 | 第19-21页 |
| 第三章 基于视觉颜色模型的火灾图像分割 | 第21-31页 |
| ·彩色图像的表色系 | 第21-25页 |
| ·颜色的形成原理 | 第21页 |
| ·表色系 | 第21-25页 |
| ·彩色图像的分割 | 第25-26页 |
| ·彩色图像分割算法的分类 | 第25-26页 |
| ·火灾图像的颜色提取及图像分割算法 | 第26-29页 |
| ·人类视觉和HIS颜色距离的关系 | 第26页 |
| ·火灾图像分割算法 | 第26-29页 |
| ·图像分割算法试验结果及分析 | 第29-31页 |
| 第四章 火焰图像识别判据的研究 | 第31-40页 |
| ·火焰图像的预处理 | 第31-34页 |
| ·灰度图 | 第31页 |
| ·基于迭代法的图像分割 | 第31-34页 |
| ·火焰图像的尖角计数 | 第34-36页 |
| ·尖角计数结果及分析 | 第36-38页 |
| ·火焰识别判据的提出 | 第38-40页 |
| 第五章 利用神经网络提高识别准确性的研究 | 第40-58页 |
| ·人工神经网络和图像识别技术 | 第40-49页 |
| ·人工神经网络的特点 | 第41-43页 |
| ·神经元的基本模型 | 第43-45页 |
| ·BP神经网络的结构 | 第45-46页 |
| ·BP算法的数学表达 | 第46-49页 |
| ·火灾识别系统的结构学习 | 第49-51页 |
| ·神经网络的输入信号 | 第49页 |
| ·神经网络的隐层节点数 | 第49-50页 |
| ·神经网络的输出信号和学习样本 | 第50-51页 |
| ·基于BP神经网络的火灾图像识别方法 | 第51-54页 |
| ·神经网络模型的运行 | 第51页 |
| ·BP算法步骤 | 第51-53页 |
| ·BP算法的不足与改进 | 第53-54页 |
| ·实验结果及分析 | 第54-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在学期间发表论文和参加科研情况 | 第64页 |
