| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 火焰检测发展历史及现状 | 第9-11页 |
| 1.3 本文研究的内容及章节安排 | 第11-14页 |
| 第2章 火焰视频图像的预处理 | 第14-24页 |
| 2.1 图像的噪声 | 第14-15页 |
| 2.2 图像滤波 | 第15-20页 |
| 2.2.1 中值滤波 | 第15-17页 |
| 2.2.2 高斯滤波 | 第17-18页 |
| 2.2.3 双边滤波 | 第18-20页 |
| 2.3 火焰图像增强 | 第20-23页 |
| 2.3.1 亮度增强 | 第21-22页 |
| 2.3.2 颜色增强 | 第22页 |
| 2.3.3 对比度增强 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 火焰在视频图像中的特征 | 第24-33页 |
| 3.1 颜色空间及相互转换 | 第24-27页 |
| 3.1.1 RGB颜色空间 | 第24-25页 |
| 3.1.2 HSI颜色空间 | 第25-26页 |
| 3.1.3 RGB到HSI的转换 | 第26页 |
| 3.1.4 YCbCr颜色空间 | 第26-27页 |
| 3.1.5 RGB到YCbCr转换 | 第27页 |
| 3.2 基于颜色模型的火焰检测 | 第27-29页 |
| 3.2.1 RGB颜色模型 | 第27-28页 |
| 3.2.2 HSI颜色模型 | 第28页 |
| 3.2.3 YCbCr颜色模型 | 第28-29页 |
| 3.3 火焰的颜色矩特征 | 第29-30页 |
| 3.4 火焰的纹理特征 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于视频的运动目标分割 | 第33-42页 |
| 4.1 运动目标分割 | 第33-37页 |
| 4.1.1 帧差法 | 第33-34页 |
| 4.1.2 高斯混合模型 | 第34-35页 |
| 4.1.3 基于高斯混合模型的运动目标分割 | 第35-37页 |
| 4.2 多目标分割 | 第37-40页 |
| 4.2.1 多目标分割分析 | 第37-38页 |
| 4.2.2 多目标分割的预处理 | 第38-39页 |
| 4.2.3 基于Seed-Filling的联通区域分析 | 第39-40页 |
| 4.3 本章小结 | 第40-42页 |
| 第5章 基于混合特征的SVM火焰检测 | 第42-57页 |
| 5.1 机器学习基本理论 | 第42-46页 |
| 5.1.1 机器学习的分类 | 第43页 |
| 5.1.2 机器学习的基本要素 | 第43-45页 |
| 5.1.3 模型的泛化能力 | 第45-46页 |
| 5.2 支持向量机的原理 | 第46-50页 |
| 5.2.1 基于软间隔最大化的SVM模型 | 第47-48页 |
| 5.2.2 问题的对偶形式 | 第48-49页 |
| 5.2.3 核函数 | 第49-50页 |
| 5.3 特征提取 | 第50-52页 |
| 5.4 基于颜色和纹理特征的SVM火焰识别 | 第52-55页 |
| 5.4.1 SVM火焰识别的流程 | 第52页 |
| 5.4.2 SVM的参数选择 | 第52-53页 |
| 5.4.3 SVM火焰检测结果 | 第53-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第6章 结论与展望 | 第57-60页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录 攻读硕士学位期间成果 | 第63-64页 |
| 致谢 | 第64-65页 |