基于数字图像处理的森林火灾探测算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9页 |
| ·研究现状 | 第9-12页 |
| ·传统型火灾探测技术 | 第10-11页 |
| ·图像型火灾探测技术 | 第11页 |
| ·人工神经网络的发展现状 | 第11-12页 |
| ·主要内容及结构 | 第12-13页 |
| 2 火灾图像的预处理 | 第13-22页 |
| ·引言 | 第13页 |
| ·颜色模型 | 第13-15页 |
| ·RGB模型 | 第13-14页 |
| ·HSI模型 | 第14-15页 |
| ·YUV模型 | 第15页 |
| ·系统原理 | 第15页 |
| ·图像的获取 | 第15-16页 |
| ·图像灰度化 | 第16-17页 |
| ·滤波 | 第17-20页 |
| ·均值滤波(线性滤波) | 第17-18页 |
| ·中值滤波 | 第18-19页 |
| ·自适应滤波(维纳滤波) | 第19-20页 |
| ·直方图均衡化 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 火灾图像的前景提取与分割 | 第22-33页 |
| ·引言 | 第22页 |
| ·图像差影 | 第22-24页 |
| ·背景差分法 | 第22-23页 |
| ·基于彩色分量的差分 | 第23-24页 |
| ·图像阂值分割 | 第24-27页 |
| ·最优阈值法 | 第24-25页 |
| ·迭代阈值法 | 第25-26页 |
| ·Otsu法 | 第26-27页 |
| ·实验结果 | 第27页 |
| ·边缘检测 | 第27-31页 |
| ·一阶微分算子 | 第27-28页 |
| ·LoG算子 | 第28-29页 |
| ·Canny算子 | 第29页 |
| ·各算子的比较与分析 | 第29-31页 |
| ·区域分割 | 第31页 |
| ·空间聚类 | 第31页 |
| ·形态学处理 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 火灾图像的特征识别 | 第33-41页 |
| ·引言 | 第33页 |
| ·特征提取的原则 | 第33页 |
| ·火焰的静态特征 | 第33-37页 |
| ·一阶颜色矩 | 第33-34页 |
| ·纹理特征 | 第34-37页 |
| ·火焰的动态特征 | 第37-40页 |
| ·扩散性 | 第38页 |
| ·质心特性 | 第38-39页 |
| ·形体相似性 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 结合BP神经网络的视频火灾图像识别 | 第41-49页 |
| ·引言 | 第41页 |
| ·BP神经网络简介 | 第41-42页 |
| ·结合BP神经网络的视频火灾探测系统 | 第42-45页 |
| ·系统工作流程 | 第42-43页 |
| ·神经网络的输入层 | 第43-44页 |
| ·神经网络的隐含层 | 第44页 |
| ·神经网络的输出层 | 第44-45页 |
| ·系统的学习训练 | 第45-46页 |
| ·样本的选取与模型的运行 | 第45页 |
| ·BP网络训练过程 | 第45-46页 |
| ·MATLAB仿真 | 第46-48页 |
| ·实验结果分析 | 第48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 附录 | 第53-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63-64页 |
