| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题背景、目的及意义 | 第12-17页 |
| ·国内外研究现状 | 第17-19页 |
| ·论文主要内容及结构安排 | 第19-20页 |
| 第2章 火灾的物理特征 | 第20-28页 |
| ·火灾燃烧特征 | 第20-22页 |
| ·早期火灾火焰的图像识别 | 第22-27页 |
| ·火焰的颜色特征 | 第22-23页 |
| ·火灾火焰的动态特征 | 第23-24页 |
| ·火焰的边缘变化特征 | 第24-25页 |
| ·火焰的纹理特征 | 第25-26页 |
| ·火灾的烟雾特征 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 火灾图像的获取及分割 | 第28-40页 |
| ·视频运动目标获取 | 第28-30页 |
| ·背景差值法 | 第28-29页 |
| ·背景差分法 | 第29-30页 |
| ·基于最大熵的图像增强算法 | 第30-32页 |
| ·Otsu 图像阈值选取算法的改进 | 第32-39页 |
| ·灰度数学形态学的基本原理 | 第32-33页 |
| ·Otsu 算法的基本原理 | 第33-34页 |
| ·数学形态学和蚁群算法改进的 Otsu 算法 | 第34-38页 |
| ·Canny 边缘检测算子 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 火灾的特征参数提取 | 第40-54页 |
| ·火灾火焰的颜色特征提取 | 第40-42页 |
| ·RGB 彩色模型 | 第40页 |
| ·CMY 和 CMYK 色彩模型 | 第40-41页 |
| ·Lab 色彩模型 | 第41-42页 |
| ·火焰的形态特征提取 | 第42-44页 |
| ·火焰的尖角特征提取 | 第42-43页 |
| ·火焰的圆形度特征提取 | 第43-44页 |
| ·火焰的动态特征提取 | 第44-49页 |
| ·火焰中心相对移动速率 | 第44-46页 |
| ·火焰面积相对变化速度 | 第46-48页 |
| ·火焰图像的形状相似特征 | 第48-49页 |
| ·火灾火焰图像的纹理特征提取 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于 BP 神经网络和遗传算法的火灾图像识别 | 第54-69页 |
| ·神经网络概述 | 第54-57页 |
| ·BP 神经网络结构 | 第54-55页 |
| ·BP 神经网络学习过程 | 第55-56页 |
| ·BP 神经网络的局限性 | 第56-57页 |
| ·遗传算法 | 第57-60页 |
| ·遗传算法的定义及特点 | 第57-58页 |
| ·遗传算法基本操作 | 第58-60页 |
| ·GA-BP 算法 | 第60-62页 |
| ·GA-BP 神经网络的输入信号 | 第60-61页 |
| ·神经网络的隐层节点和输出信号 | 第61-62页 |
| ·基于 GA-BP 神经网络的火灾识别实验 | 第62-68页 |
| ·软件设计 | 第62-66页 |
| ·实验仿真结果 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 基于烟雾识别的早期火灾预报 | 第69-82页 |
| ·烟雾图像的分割 | 第69-73页 |
| ·形态学梯度重建算法 | 第69-70页 |
| ·分水岭分割算法 | 第70-71页 |
| ·基于形态学梯度标记的分水岭分割算法 | 第71-73页 |
| ·早期火灾烟雾图像的特性分析 | 第73-78页 |
| ·烟雾的面积相似度特征 | 第73-75页 |
| ·基于小波变换的烟雾图像熵特征分析 | 第75-78页 |
| ·烟雾图像识别仿真实验 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 结论 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第88-89页 |
| 致谢 | 第89页 |