基于无人机视觉的早期森林火情检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1.前言 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-13页 |
| 1.2.1 火焰检测研究现状 | 第10-11页 |
| 1.2.2 烟雾检测研究现状 | 第11-13页 |
| 1.3 本文研究内容和组织结构 | 第13-14页 |
| 2.基于无人机视觉的烟雾检测 | 第14-36页 |
| 2.1 图像增强 | 第15-17页 |
| 2.2 烟雾的显著性检测 | 第17-20页 |
| 2.2.1 低秩矩阵恢复算法 | 第17-18页 |
| 2.2.2 鲁棒主成分分析 | 第18-20页 |
| 2.3 基于Mean Shift的烟雾分割 | 第20-25页 |
| 2.3.1 核密度估计 | 第20-21页 |
| 2.3.2 Mean Shift方法推导 | 第21-23页 |
| 2.3.3 基于Mean Shift的聚类 | 第23-25页 |
| 2.4 块匹配算法 | 第25-31页 |
| 2.4.1 运动估计原理 | 第25-26页 |
| 2.4.2 技术指标 | 第26-27页 |
| 2.4.3 算法分析 | 第27-31页 |
| 2.5 林火烟雾特征提取 | 第31-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3.基于无人机视觉的火焰检测 | 第36-48页 |
| 3.1 火焰的显著性检测 | 第36-37页 |
| 3.2 不同颜色模型分析 | 第37-39页 |
| 3.2.1 RGB颜色模型 | 第37页 |
| 3.2.2 HSI颜色模型 | 第37-38页 |
| 3.2.3 Lab颜色模型 | 第38-39页 |
| 3.3 实验结果分析 | 第39-41页 |
| 3.3.1 基于各颜色模型的显著性检测 | 第39-41页 |
| 3.3.2 基于Lab颜色模型的显著性区域分割 | 第41页 |
| 3.4 林火火焰特征提取 | 第41-45页 |
| 3.5 本章小结 | 第45-48页 |
| 4.支持向量机在林火识别中的应用 | 第48-54页 |
| 4.1 支持向量机的原理 | 第48页 |
| 4.2 支持向量机的核函数 | 第48-49页 |
| 4.3 支持向量机的参数选择 | 第49页 |
| 4.4 不同核函数的结果对比 | 第49-53页 |
| 4.4.1 不同核函数的烟雾测试结果 | 第49-51页 |
| 4.4.2 不同核函数的火焰测试结果 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5.总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 研究展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62页 |
