基于统计模式识别的早期火灾检测算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·概述 | 第11页 |
| ·课题背景 | 第11-17页 |
| ·火灾产生机理及物理特征 | 第11-13页 |
| ·火灾检测技术概述 | 第13-15页 |
| ·图像型火灾检测技术 | 第15-17页 |
| ·国内外研究现状及存在问题 | 第17页 |
| ·本文研究内容 | 第17-19页 |
| 第2章 火灾烟特征与检测算法基础 | 第19-28页 |
| ·火灾烟特征 | 第19-20页 |
| ·火灾烟序列图像目标检测算法 | 第20-25页 |
| ·烟序列图像目标检测基本思想 | 第20-21页 |
| ·烟序列图像目标检测方法与分析 | 第21-23页 |
| ·图像预处理 | 第23-25页 |
| ·背景图像的选取 | 第25页 |
| ·烟图像动态数据处理 | 第25-27页 |
| ·烟图像的瞬时动态数据分析 | 第26页 |
| ·烟图像的累积动态数据处理 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第3章 自适应火灾烟图像阈值分割研究 | 第28-38页 |
| ·图像阈值分割概述 | 第28-29页 |
| ·常用图像阈值选取方法及其特点 | 第29-32页 |
| ·最大类间方差自适应阈值分割算法 | 第32-34页 |
| ·最大类间方差法基本原理 | 第32-34页 |
| ·烟累积帧差图像分割算法的实现 | 第34页 |
| ·烟累积目标区域选取 | 第34-35页 |
| ·烟目标分割效果比较 | 第35-36页 |
| ·本章小节 | 第36-38页 |
| 第4章 基于统计模式识别的火灾烟检测算法 | 第38-49页 |
| ·统计模式识别方法概述 | 第38-40页 |
| ·高斯模型应用于背景建模 | 第40-42页 |
| ·基于单高斯模型的烟目标检测 | 第42-43页 |
| ·分类器的训练 | 第42页 |
| ·烟目标的检测 | 第42-43页 |
| ·火灾烟图像识别 | 第43-48页 |
| ·火灾烟图像面积增长特性 | 第43-44页 |
| ·火灾烟图像形状相似特性 | 第44-45页 |
| ·火灾烟形体变化矩特性 | 第45-46页 |
| ·目标区域相似程度特性 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 仿真实验与结果分析 | 第49-58页 |
| ·仿真环境 | 第49-50页 |
| ·操作系统的选取 | 第49页 |
| ·编程语言的选择 | 第49-50页 |
| ·实验系统的软件程序流程 | 第50-52页 |
| ·实验结果 | 第52-57页 |
| ·图像灰度处理及背景构造 | 第52-53页 |
| ·累积差分图像及阈值分割 | 第53-54页 |
| ·火灾烟与干扰物相似性判决 | 第54-56页 |
| ·单高斯模型检测及含烟区域判决 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
