基于视频的风力发电机组火灾检测技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 本文研究的背景和意义 | 第11-14页 |
| 1.1.1 风力发电机火灾现状及分析 | 第11-12页 |
| 1.1.2 风力发电机火灾检测的环境特点 | 第12-13页 |
| 1.1.3 国内外研究现状 | 第13页 |
| 1.1.4 本文工作的目的和意义 | 第13-14页 |
| 1.2 基于视频的风力发电机火灾检测系统框架 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 第二章 风力发电机火灾检测方法试验研究 | 第17-29页 |
| 2.1 基于传统探测器的火灾检测实验 | 第17-24页 |
| 2.1.1 实验设计概述 | 第17页 |
| 2.1.2 实验硬件设计与实现 | 第17-20页 |
| 2.1.3 实验软件设计与实现 | 第20-21页 |
| 2.1.4 实验结果及分析 | 第21-24页 |
| 2.2 视频火灾检测的算法设计 | 第24-26页 |
| 2.2.1 火焰检测的算法流程 | 第24-25页 |
| 2.2.2 火焰主要特征 | 第25-26页 |
| 2.2.3 常见干扰物的分析 | 第26页 |
| 2.3 探测器火灾检测和视频火灾检测对比分析 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 视频图像的预处理及火焰目标的提取 | 第29-39页 |
| 3.1 视频图像的预处理 | 第29-33页 |
| 3.1.1 视频图像的增强 | 第29-31页 |
| 3.1.2 视频图像的滤波 | 第31-33页 |
| 3.2 火焰目标提取 | 第33-38页 |
| 3.2.1 运动目标检测 | 第33-34页 |
| 3.2.2 背景的更新 | 第34页 |
| 3.2.3 实验结果 | 第34-36页 |
| 3.2.4 利用颜色模型的火焰提取及改进 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 火焰的特征提取 | 第39-53页 |
| 4.1 火焰的颜色特征 | 第39-41页 |
| 4.1.1 颜色矩 | 第39-40页 |
| 4.1.2 H分量的一阶矩、二阶矩 | 第40-41页 |
| 4.2 火焰的形态特征 | 第41-47页 |
| 4.2.1 面积变化特征 | 第41-45页 |
| 4.2.2 圆形度特征 | 第45-46页 |
| 4.2.3 矩形度特征 | 第46-47页 |
| 4.3 火焰的纹理特征 | 第47-51页 |
| 4.3.1 纹理特征描述 | 第47-49页 |
| 4.3.2 实验结果 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 基于LVQ神经网络的火焰图像识别 | 第53-63页 |
| 5.1 LVQ神经网络介绍 | 第53-55页 |
| 5.2 LVQ神经网络模型的建立 | 第55-56页 |
| 5.2.1 问题的描述 | 第55页 |
| 5.2.2 模型的建立 | 第55-56页 |
| 5.3 火焰判定的matlab实现 | 第56-60页 |
| 5.3.1 神经网络输入输出层设计 | 第56页 |
| 5.3.2 神经网络的竞争层设计 | 第56页 |
| 5.3.3 神经网络的网络参数的设计 | 第56-57页 |
| 5.3.4 实验结果 | 第57-60页 |
| 5.4 LVQ神经网络和BP神经网络的对比 | 第60-62页 |
| 5.4.1 BP神经网络工作原理 | 第60-61页 |
| 5.4.2 实验结果及对比分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 结论 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
