| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 绪论 | 第13-17页 |
| ·课题研究背景 | 第13-14页 |
| ·国内外的研究现状 | 第14-15页 |
| ·本课题的研究意义 | 第15页 |
| ·拟解决的问题 | 第15-16页 |
| ·论文的主要工作和章节安排 | 第16-17页 |
| 2 煤炭自燃红外图像的识别与处理技术 | 第17-37页 |
| ·煤炭自燃红外图像的识别 | 第17-19页 |
| ·热成像原理 | 第17页 |
| ·红外热像仪在煤炭自燃火灾监测中应用 | 第17-18页 |
| ·煤炭自燃与图像变化之间的关系 | 第18-19页 |
| ·基于Contourlet变换的煤自燃图像去噪技术 | 第19-28页 |
| ·传统的去噪方法 | 第19-24页 |
| ·小波变换和Contournet变换基本原理 | 第24-25页 |
| ·采用Contourlet变换去除煤自燃红外图像的噪声 | 第25-26页 |
| ·红外图像去噪的仿真实验结果 | 第26-28页 |
| ·基于改进Sobel算子的煤自燃图像边缘检测 | 第28-35页 |
| ·传统的边缘检测方法 | 第28-32页 |
| ·改进Sobel算子实现煤自燃图像的边缘检测 | 第32-34页 |
| ·改进算法的仿真 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 3 基于多传感器信息融合的煤自燃监测综合评判系统 | 第37-43页 |
| ·多传感器信息融合技术概述 | 第37-40页 |
| ·多传感器信息融合的基本原理 | 第37页 |
| ·多传感器信息融合的方法 | 第37-40页 |
| ·构建多传感器信息融合的评判系统结构 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 利用模糊聚类监测煤自燃的多传感器信息融合方法研究 | 第43-59页 |
| ·遗传算法概述 | 第43-47页 |
| ·遗传算法的基本思想 | 第43页 |
| ·遗传算法的操作 | 第43-46页 |
| ·遗传算法的基本步骤 | 第46-47页 |
| ·聚类分析应用于煤炭自燃监测 | 第47-49页 |
| ·聚类分析的原理 | 第47-48页 |
| ·模糊C均值(FCM)聚类算法 | 第48-49页 |
| ·基于遗传算法的模糊C均值(FCM)聚类 | 第49-54页 |
| ·基于遗传聚类算法的算法流程 | 第50-51页 |
| ·编码方式 | 第51页 |
| ·适应度的构造 | 第51页 |
| ·遗传算子选取 | 第51-54页 |
| ·算法的验证 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 5 神经网络模糊推理在煤自燃监测中的应用研究 | 第59-75页 |
| ·神经网络融合的一般方法 | 第59-60页 |
| ·模糊推理模型 | 第60-63页 |
| ·模糊神经网络在煤自燃监测中的应用 | 第63-73页 |
| ·神经网络模糊推理系统的实现 | 第64-68页 |
| ·模糊推理综合判据系统 | 第68-69页 |
| ·实例应用 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 6 总结与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介及读研期间主要成果 | 第83页 |
