基于视频分析的水质在线监测系统
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及选题意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 水质监测研究现状 | 第12-13页 |
| 1.2.2 生物监测法研究现状 | 第13-16页 |
| 1.2.3 现有水质监测系统的分析 | 第16-18页 |
| 1.3 本文主要工作和章节安排 | 第18-20页 |
| 第二章 水质视频在线监测系统的建立 | 第20-36页 |
| 2.1 监测系统硬件结构 | 第20-21页 |
| 2.2 监测系统软件结构 | 第21-23页 |
| 2.3 监测环境配置 | 第23-34页 |
| 2.3.1 客观图像质量评价算法 | 第23-28页 |
| 2.3.2 主观图像质量评价 | 第28-32页 |
| 2.3.3 客观图像光照条件评价算法评估 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 视频运动目标检测 | 第36-52页 |
| 3.1 基于背景建模的目标检测 | 第36-39页 |
| 3.1.1 背景建模基本原理 | 第36-37页 |
| 3.1.2 ViBe背景建模算法 | 第37-39页 |
| 3.2 基于前景目标建模的目标检测 | 第39-46页 |
| 3.2.1 前景目标建模原理 | 第39-40页 |
| 3.2.2 SF显著性目标检测算法 | 第40-42页 |
| 3.2.3 SMD显著性目标检测算法 | 第42-45页 |
| 3.2.4 Seg显著性目标检测算法 | 第45-46页 |
| 3.3 目标检测算法评估 | 第46-51页 |
| 3.3.1 目标检测算法的评价方法 | 第46-48页 |
| 3.3.2 实验结果 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 运动目标特征参数量化与水质分类 | 第52-76页 |
| 4.1 运动目标特征参数量化 | 第52-57页 |
| 4.1.1 活跃性参数 | 第52-55页 |
| 4.1.2 位置参数 | 第55-56页 |
| 4.1.3 体色分量参数 | 第56-57页 |
| 4.2 基于LSTM神经网络的分类模型 | 第57-61页 |
| 4.3 特征参数实验分析 | 第61-72页 |
| 4.3.1 鱼类毒性实验 | 第61-63页 |
| 4.3.2 特征参数数据分析 | 第63-70页 |
| 4.3.3 统计学分析 | 第70-72页 |
| 4.4 水质状态分类和预警 | 第72-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76-77页 |
| 5.2 展望 | 第77-78页 |
| 参考文献 | 第78-86页 |
| 攻读硕士学位期间取得的科研成果 | 第86-88页 |
| 致谢 | 第88页 |
