| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及实际意义 | 第8-9页 |
| 1.2 火灾检测技术的发展及现状 | 第9-11页 |
| 1.2.1 传统火灾检测技术 | 第9-10页 |
| 1.2.2 视频火灾检测技术的现状 | 第10-11页 |
| 1.3 研究内容和重点 | 第11-12页 |
| 1.3.1 主要研究内容 | 第11-12页 |
| 1.3.2 研究工作重点 | 第12页 |
| 1.4 研究工作技术路线 | 第12-13页 |
| 1.5 论文基本结构 | 第13-15页 |
| 第二章 火灾视频的预处理及烟雾检测 | 第15-26页 |
| 2.1 图像预处理相关技术 | 第15-18页 |
| 2.1.1 图像滤波去噪 | 第15-16页 |
| 2.1.2 灰度图像二值化 | 第16-17页 |
| 2.1.3 图像形态学处理 | 第17-18页 |
| 2.2 烟雾检测系统设计 | 第18-19页 |
| 2.3 烟雾预判断 | 第19-22页 |
| 2.4 基于小波分析的烟雾判断 | 第22-24页 |
| 2.5 烟雾扩散性特征检测及检测结果 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于动态特征的火焰检测 | 第26-37页 |
| 3.1 基于高斯混合模型的火焰提取 | 第26-34页 |
| 3.1.1 运动目标检测方法的比较与选择 | 第26-31页 |
| 3.1.2 高斯混合模型更新算法优化 | 第31-34页 |
| 3.2 动态检测算法应用及结果分析 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 静态火焰检测及复合特征检测算法实现 | 第37-52页 |
| 4.1 火焰颜色模型 | 第37-41页 |
| 4.1.1 RGB色彩模型 | 第38-39页 |
| 4.1.2 HSI色彩模型 | 第39-40页 |
| 4.1.3 YCbCr色彩模型 | 第40-41页 |
| 4.2 火焰颜色模型的选取 | 第41-42页 |
| 4.3 基于YCbCr颜色模型的火焰提取 | 第42-43页 |
| 4.4 YCbCr色彩模型和边缘特征检测相融合 | 第43-48页 |
| 4.4.1 火焰圆形度特征分析 | 第43-44页 |
| 4.4.2 实验过程及结果分析 | 第44-48页 |
| 4.5 基于复合特征的火焰检测算法研究及实现 | 第48-50页 |
| 4.5.1 基于背景差分法的火灾识别算法存在的不足 | 第48-49页 |
| 4.5.2 复合特征检测算法实现 | 第49-50页 |
| 4.5.3 复合特征可靠性评估 | 第50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 基于TMS320DM8148的森林火灾监测算法应用 | 第52-60页 |
| 5.1 总体框架设计 | 第52页 |
| 5.2 系统硬件平台搭建 | 第52-54页 |
| 5.3 系统软件设计与实现 | 第54-56页 |
| 5.3.1 TMS320DM8148软件开发环境 | 第54-56页 |
| 5.3.2 视频处理流程 | 第56页 |
| 5.4 系统测试及结果分析 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |