基于随机森林算法的烟雾检测算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 基于视频的烟雾探测技术简介 | 第12-14页 |
| 1.3 基于视频的烟雾检测算法国内外研究现 | 第14-16页 |
| 1.4 论文的结构安排及主要工作 | 第16-17页 |
| 第2章 随机森林 | 第17-36页 |
| 2.1 随机森林简介 | 第17-26页 |
| 2.1.1 决策树 | 第17-19页 |
| 2.1.2 组合模型 | 第19-20页 |
| 2.1.3 常见的几种组合模型 | 第20-23页 |
| 2.1.4 随机森林算法 | 第23-25页 |
| 2.1.5 随机森林的投票机制 | 第25-26页 |
| 2.2 基于随机森林的特征选择算法 | 第26-30页 |
| 2.2.1 特征选择 | 第26-27页 |
| 2.2.2 实验设计与结果 | 第27-30页 |
| 2.3 随机森林算法和常见的分类器的比较 | 第30-35页 |
| 2.3.1 随机森林的性能分析 | 第30页 |
| 2.3.2 随机森林算法和Bagging算法比较 | 第30-31页 |
| 2.3.3 随机森林算法和支持向量机比较 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 烟雾静态特性分析 | 第36-52页 |
| 3.1 烟雾的颜色分析 | 第36-38页 |
| 3.1.1 RGB颜色空间 | 第36-37页 |
| 3.1.2 烟雾区域RGB颜色分析 | 第37-38页 |
| 3.2 烟雾的纹理分析 | 第38-43页 |
| 3.2.1 HEP算法框架 | 第39-41页 |
| 3.2.2 公式定义 | 第41-43页 |
| 3.3 几种HEP纹理描述子介绍 | 第43-46页 |
| 3.3.1 灰度级差(GLD) | 第43页 |
| 3.3.2 简化纹理单元(RTU) | 第43-44页 |
| 3.3.3 局部二值模式(LBP) | 第44页 |
| 3.3.4 3D局部二值模式(3DLBP) | 第44页 |
| 3.3.5 中心对称局部二值模式(CS-LBP) | 第44-45页 |
| 3.3.6 局部三值模式(LTP) | 第45页 |
| 3.3.7 二元梯度轮廓(BGC) | 第45-46页 |
| 3.4 实验设计与结果 | 第46-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 烟雾动态特性分析 | 第52-66页 |
| 4.1 烟雾视频的运动分析 | 第52-58页 |
| 4.1.1 运动检测 | 第52-54页 |
| 4.1.2 主运动方向分析 | 第54-58页 |
| 4.2 视频的动态特征分析 | 第58-65页 |
| 4.2.1 基于块的帧间差分析 | 第58-62页 |
| 4.2.2 动态纹理分析 | 第62-65页 |
| 4.3 本章小结 | 第65-66页 |
| 第5章 系统设计与实验结果 | 第66-73页 |
| 5.1 系统设计 | 第66-67页 |
| 5.2 实验数据 | 第67-68页 |
| 5.3 实验结果与实验分析 | 第68-72页 |
| 5.4 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 本文工作总结 | 第73页 |
| 未来工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第81页 |
