| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 课题背景及意义 | 第7-8页 |
| 1.2 基于图像识别的火灾探测技术国内外发展现状 | 第8-9页 |
| 1.3 论文的主要研究内容与结构安排 | 第9-11页 |
| 第2章 图像预处理和烟雾运动区域提取方法 | 第11-26页 |
| 2.1 图像预处理 | 第11-17页 |
| 2.1.1 彩色模型和灰度空间介绍 | 第11-13页 |
| 2.1.2 图像去噪 | 第13-15页 |
| 2.1.3 形态学处理 | 第15-17页 |
| 2.2 烟雾运动区域提取方法 | 第17-24页 |
| 2.2.1 帧间差分法 | 第17-21页 |
| 2.2.2 高斯混合模型 | 第21-24页 |
| 2.2.3 高斯混合模型与帧差法的比较 | 第24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 火灾烟雾特征分析 | 第26-36页 |
| 3.1 烟雾在RGB上的颜色特征 | 第26-27页 |
| 3.2 烟雾的形态特征 | 第27-28页 |
| 3.3 烟雾的面积增长特征 | 第28-29页 |
| 3.4 烟雾的运动方向特征 | 第29-33页 |
| 3.4.1 块匹配法 | 第30页 |
| 3.4.2 块匹配搜索策略 | 第30-33页 |
| 3.5 烟雾的纹理特征 | 第33-35页 |
| 3.5.1 灰度共生矩阵 | 第33-34页 |
| 3.5.2 灰度共生矩阵的标量信息 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于支持向量机的火灾烟雾识别技术研究 | 第36-52页 |
| 4.1 支持向量机（SVM）原理 | 第36-40页 |
| 4.1.1 线性可分最优分类 | 第37-38页 |
| 4.1.2 线性不可分 | 第38-39页 |
| 4.1.3 惩罚系数 | 第39-40页 |
| 4.1.4 核函数 | 第40页 |
| 4.2 火灾烟雾判别抗干扰性分析 | 第40-46页 |
| 4.2.1 水雾的特征分析 | 第41-42页 |
| 4.2.2 火灾烟雾与水雾在运动方向特征和纹理特征的对比分析 | 第42-45页 |
| 4.2.3 火灾烟雾判别抗干扰能力验证 | 第45-46页 |
| 4.3 基于SVM的火灾烟雾识别实验验证与分析 | 第46-51页 |
| 4.3.1 火灾烟雾识别流程 | 第46页 |
| 4.3.2 构建烟雾的特征向量 | 第46-47页 |
| 4.3.3 训练数据集 | 第47-48页 |
| 4.3.4 检测结果与对比分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文研究工作总结 | 第52页 |
| 5.2 未来展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 作者简介及在学期间所得研究成果 | 第56-57页 |
| 致谢 | 第57页 |