| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 火灾产生的机理 | 第12页 |
| 1.1.2 火灾的起火过程 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 早期火灾探测技术及弊端 | 第13-16页 |
| 1.2.2 基于数字图像处理的火灾探测 | 第16-18页 |
| 1.3 基于火焰识别算法的应用研究 | 第18-20页 |
| 1.3.1 优势与应用 | 第18页 |
| 1.3.2 相关算法的研究及应用 | 第18-20页 |
| 1.4 论文主要内容 | 第20-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 图像的批量预处理 | 第23-33页 |
| 2.1 图像的批量处理 | 第23页 |
| 2.2 图像的批量去噪 | 第23-26页 |
| 2.2.1 常用的去噪方法 | 第24-26页 |
| 2.2.2 高斯滤波法 | 第26页 |
| 2.3 直方图修正 | 第26-27页 |
| 2.4 仿真效果分析 | 第27-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于阈值的可疑区域分割 | 第33-44页 |
| 3.1 可疑区域分割方法研究 | 第33-38页 |
| 3.1.1 基于阈值的分割方法 | 第33-35页 |
| 3.1.2 基于边缘检测的图像分割 | 第35-36页 |
| 3.1.3 运动检测 | 第36-38页 |
| 3.2 仿真结果比较 | 第38-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 火灾火焰图像特征提取 | 第44-61页 |
| 4.1 火焰的颜色特征 | 第44-45页 |
| 4.2 火焰的静态特征 | 第45页 |
| 4.2.1 火焰的高温特征 | 第45页 |
| 4.2.2 火焰的分层和纹理特征 | 第45页 |
| 4.3 火焰的动态特征 | 第45-47页 |
| 4.3.1 火焰形状和边缘变化 | 第45-46页 |
| 4.3.2 火焰面积变化特征 | 第46页 |
| 4.3.3 火焰的整体移动 | 第46页 |
| 4.3.4 火焰的闪烁规律 | 第46-47页 |
| 4.4 火焰的图像特征的提取 | 第47-50页 |
| 4.4.1 火焰的高灰度值 | 第47页 |
| 4.4.2 火焰的面积变化 | 第47页 |
| 4.4.3 圆形度 | 第47-48页 |
| 4.4.4 尖角判别 | 第48-49页 |
| 4.4.5 轮廓变化距离 | 第49-50页 |
| 4.5 仿真结果比较 | 第50-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 基于多判据的火焰识别 | 第61-78页 |
| 5.1 分类器的基本方法 | 第61-69页 |
| 5.1.1 贝叶斯分类器 | 第61-65页 |
| 5.1.2 BP 神经网络 | 第65-69页 |
| 5.2 基于多判据的贝叶斯分类器火焰识别 | 第69-71页 |
| 5.2.1 实验视频采集 | 第69-70页 |
| 5.2.2 对实验火灾视频中图像特征的提取 | 第70-71页 |
| 5.2.3 贝叶斯分类器模型的建立 | 第71页 |
| 5.3 基于多判据的 BP 神经网络火焰识别 | 第71-73页 |
| 5.4 仿真结果及比较 | 第73-77页 |
| 5.4.1 未使用分类器的分类效果 | 第73-74页 |
| 5.4.2 贝叶斯分类器和 BP 神经网络分类效果比较 | 第74-75页 |
| 5.4.3 BP 神经网络分类和其他分类器效果比较 | 第75-77页 |
| 5.4.4 本文中 BP 算法的特点 | 第77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论与展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-85页 |
| 附件 | 第85页 |