| 中文摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 火灾图像识别方法 | 第10-12页 |
| 1.2.2 大数据技术图像处理 | 第12-14页 |
| 1.3 论文的研究内容 | 第14页 |
| 1.4 论文的章节安排 | 第14-17页 |
| 第二章 Hadoop平台与相关技术 | 第17-27页 |
| 2.1 Hadoop平台 | 第17-21页 |
| 2.1.1 Hadoop概述 | 第17页 |
| 2.1.2 HDFS分布式文件系统 | 第17-19页 |
| 2.1.3 MapReduce编程模型 | 第19-21页 |
| 2.2 SVM的相关原理 | 第21-24页 |
| 2.2.1 最优分类超平面 | 第22页 |
| 2.2.2 线性可分SVM | 第22-24页 |
| 2.2.3 线性不可分SVM | 第24页 |
| 2.3 SVM核函数 | 第24-25页 |
| 2.4 Hadoop平台下部署Opencv库 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于Hadoop平台的火焰图像特征提取 | 第27-47页 |
| 3.1 Hadoop平台搭建 | 第27-29页 |
| 3.2 火焰图像数据并行处理优化 | 第29-31页 |
| 3.2.1 SequenceFile简介 | 第29页 |
| 3.2.2 生成SequenceFile | 第29-30页 |
| 3.2.3 读取SequenceFile | 第30-31页 |
| 3.3 并行图像处理设计与实现 | 第31-35页 |
| 3.3.1 图像数据类型设计 | 第32-33页 |
| 3.3.2 输入输出格式设计 | 第33-34页 |
| 3.3.3 优化对比实验分析 | 第34-35页 |
| 3.4 火焰图像特征描述与提取 | 第35-42页 |
| 3.4.1 火焰图像的颜色特征 | 第35-37页 |
| 3.4.2 火焰图像的纹理特征 | 第37-39页 |
| 3.4.3 火焰图像的Sift特征 | 第39-42页 |
| 3.5 Hadoop平台下火焰图像特征提取设计与实现 | 第42-45页 |
| 3.5.1 并行特征提取任务设计 | 第42-43页 |
| 3.5.2 实验数据与分析 | 第43页 |
| 3.5.3 运行时间对比 | 第43-44页 |
| 3.5.4 加速比对比 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 火焰图像并行识别算法设计与实现 | 第47-59页 |
| 4.1 数据融合技术 | 第47-49页 |
| 4.1.1 数据融合概述 | 第47-48页 |
| 4.1.2 图像特征融合 | 第48-49页 |
| 4.2 随机权值多特征融合分类算法 | 第49-51页 |
| 4.2.1 MFFRW算法框架设计 | 第49页 |
| 4.2.2 特征归一化 | 第49-50页 |
| 4.2.3 融合规则 | 第50-51页 |
| 4.3 Hadoop平台下MFFRW算法的设计与实现 | 第51-54页 |
| 4.3.1 并行SVM设计 | 第51-52页 |
| 4.3.2 MFFRW算法并行设计 | 第52页 |
| 4.3.3 MFFRW算法实现流程 | 第52-54页 |
| 4.4 实验结果与分析 | 第54-57页 |
| 4.4.1 实验数据 | 第54页 |
| 4.4.2 实验步骤 | 第54-55页 |
| 4.4.3 实验结果与分析 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间取得的成果 | 第69页 |