基于稀疏编码的视觉视频火焰检测技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究意义 | 第10-11页 |
| 1.2 火焰检测相关研究的国内外现状 | 第11-13页 |
| 1.3 论文的研究目标及章节安排 | 第13-15页 |
| 第2章 火焰区域的特征提取 | 第15-30页 |
| 2.1 火焰区域的颜色特征提取 | 第15-20页 |
| 2.1.1 RGB颜色空间 | 第15-16页 |
| 2.1.2 基于RGB颜色空间的火焰区域提取 | 第16-18页 |
| 2.1.3 HSI颜色空间 | 第18-19页 |
| 2.1.4 基于HSI颜色空间的火焰区域提取 | 第19-20页 |
| 2.2 基于颜色特征的火焰运动目标提取及后处理 | 第20-24页 |
| 2.2.1 差分法 | 第20-21页 |
| 2.2.2 光流法 | 第21-23页 |
| 2.2.3 混合高斯背景模型法 | 第23-24页 |
| 2.3 火焰区域纹理特征提取 | 第24-28页 |
| 2.3.1 灰度共生矩阵基本原理 | 第25-27页 |
| 2.3.2 灰度共生矩阵的应用 | 第27-28页 |
| 2.3.3 利用灰度共生矩阵提取特征量 | 第28页 |
| 2.4 火焰区域形状特征提取 | 第28-29页 |
| 2.5 火焰区域动态特征提取 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 火焰检测算法研究 | 第30-40页 |
| 3.1 SVM火焰检测算法 | 第30-32页 |
| 3.2 Haar-like火焰检测算法 | 第32-35页 |
| 3.2.1 Haar-like特征 | 第32-33页 |
| 3.2.2 NHLBP特征 | 第33-35页 |
| 3.3 基元特征火焰检测算法 | 第35-39页 |
| 3.3.1 基元定义 | 第35-37页 |
| 3.3.2 利用基元特征提取火焰区域特征量 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 一种基于稀疏编码的火焰检测方法 | 第40-48页 |
| 4.1 视觉稀疏编码 | 第40-42页 |
| 4.1.1 稀疏编码概述 | 第40-41页 |
| 4.1.2 稀疏编码的应用 | 第41-42页 |
| 4.2 火焰图像的稀疏表示 | 第42-44页 |
| 4.2.1 假设前提 | 第42页 |
| 4.2.2 稀疏编码 | 第42-44页 |
| 4.3 基于稀疏编码的火焰检测 | 第44-47页 |
| 4.3.1 算法概述 | 第44页 |
| 4.3.2 算法原理 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 一种基于Gabor稀疏表示的火焰检测方法 | 第48-57页 |
| 5.1 Gabor函数 | 第48-50页 |
| 5.2 二维Gabor滤波器 | 第50-52页 |
| 5.3 基于Gabor稀疏表示分类算法 | 第52-56页 |
| 5.3.1 算法描述 | 第52-54页 |
| 5.3.2 参数选择 | 第54-55页 |
| 5.3.3 基于Gabor稀疏算法测试结果 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 实验结果 | 第57-66页 |
| 6.1 实验视频集 | 第57-59页 |
| 6.2 结果详情 | 第59-65页 |
| 6.2.1 基于图像块的测试结果 | 第59-62页 |
| 6.2.2 基于图像块的测试结果图 | 第62页 |
| 6.2.3 基于视频帧的测试结果 | 第62-64页 |
| 6.2.4 基于视频帧的测试结果图 | 第64-65页 |
| 6.3 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
