基于视频的火灾检测方法研究及实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·选题背景和意义 | 第9-11页 |
| ·研究和发展状况 | 第11-12页 |
| ·国内火灾探测技术的发展现状 | 第11页 |
| ·人工神经网络火灾探测技术的发展现状 | 第11-12页 |
| ·本课题的主要研究工作 | 第12-14页 |
| 第2章 基于视频的火灾探测技术基础 | 第14-24页 |
| ·图像在计算机中的颜色模型 | 第14-17页 |
| ·颜色模型 | 第14-17页 |
| ·腐蚀和膨胀 | 第17-18页 |
| ·基本概念 | 第17页 |
| ·开闭运算 | 第17-18页 |
| ·人工神经网络和火灾图像探测技术 | 第18-23页 |
| ·人工神经网络的特点 | 第20-21页 |
| ·人工神经网络的基本模型 | 第21-23页 |
| ·本章小节 | 第23-24页 |
| 第3章 火灾图像的预处理 | 第24-30页 |
| ·火灾图像滤波 | 第24-26页 |
| ·中值滤波 | 第24-25页 |
| ·最小均方误差滤波（维纳滤波） | 第25-26页 |
| ·火灾图像前景目标的提取 | 第26-27页 |
| ·火灾图像的腐蚀和膨胀处理 | 第27-28页 |
| ·火灾图像的灰度化处理 | 第28-29页 |
| ·本章小节 | 第29-30页 |
| 第4章 火灾图像的特征提取分析 | 第30-43页 |
| ·火焰图像特征来源 | 第30-31页 |
| ·特征提取原则 | 第31-32页 |
| ·火焰图像特征的提取 | 第32-42页 |
| ·火焰图像区域增长性特征 | 第32-33页 |
| ·火焰图像的颜色特征 | 第33-36页 |
| ·基于灰度共生矩阵法的纹理特征 | 第36-38页 |
| ·火焰像素强度变化特征 | 第38-39页 |
| ·火焰形体变化特征 | 第39-41页 |
| ·火焰灰度直方图特性 | 第41-42页 |
| ·本章小节 | 第42-43页 |
| 第5章 基于BP 神经网络的火灾探测 | 第43-51页 |
| ·BP 神经网络的网络结构 | 第43-46页 |
| ·神经网络的输入层 | 第43-44页 |
| ·神经网络的隐层 | 第44-45页 |
| ·神经网络的输出层 | 第45-46页 |
| ·BP 神经网络的模型的运行 | 第46页 |
| ·BP 神经网络算法步骤 | 第46-49页 |
| ·BP 神经网络的生成 | 第49-50页 |
| ·本章小节 | 第50-51页 |
| 第6章 系统测试 | 第51-57页 |
| ·系统工作流程 | 第51页 |
| ·仿真布局 | 第51-55页 |
| ·基于BP 神经网络的火灾探测测试 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 总结 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录A（攻读硕士学位期间发表的论文） | 第63-64页 |
| 附录B 部分程序源代码 | 第64-75页 |
