| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 烟雾视频检测技术概述 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.4 论文各章节内容安排 | 第16-18页 |
| 第二章 烟雾视频检测常用技术简介 | 第18-30页 |
| 2.1 前景目标检测方法 | 第18-22页 |
| 2.1.1 帧差法 | 第18-19页 |
| 2.1.2 光流法 | 第19-20页 |
| 2.1.3 背景差分法 | 第20-22页 |
| 2.2 烟雾特征 | 第22-26页 |
| 2.2.1 颜色 | 第22-23页 |
| 2.2.2 主运动方向和累积量 | 第23-25页 |
| 2.2.3 纹理特征 | 第25-26页 |
| 2.3 常用分类器 | 第26-28页 |
| 2.3.1 支持向量机 | 第26-27页 |
| 2.3.2 模糊神经网络 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于ICA和GBVS的烟雾图像分离 | 第30-46页 |
| 3.1 算法结构 | 第30-31页 |
| 3.2 ICA烟雾前景初步分离模型 | 第31-36页 |
| 3.2.1 独立分量分析介绍 | 第31-34页 |
| 3.2.2 ICA烟雾前景初步分离模型 | 第34-36页 |
| 3.3 GBVS烟雾前景显著性模型 | 第36-39页 |
| 3.3.1 图像视觉显著性介绍 | 第36-38页 |
| 3.3.2 GBVS烟雾前景显著性模型 | 第38-39页 |
| 3.3.3 最终烟雾区域的确定 | 第39页 |
| 3.4 烟雾特征提取 | 第39-40页 |
| 3.5 烟雾识别 | 第40-41页 |
| 3.6 仿真实验和性能评估 | 第41-43页 |
| 3.6.1 主观评价 | 第41-42页 |
| 3.6.2 客观评估 | 第42-43页 |
| 3.7 本章小结 | 第43-46页 |
| 第四章 基于多维动态纹理特征的烟雾特征提取 | 第46-58页 |
| 4.1 算法结构 | 第46页 |
| 4.2 烟雾视频图像的预处理 | 第46-48页 |
| 4.2.1 前景分离 | 第47页 |
| 4.2.2 颜色分析 | 第47-48页 |
| 4.3 烟雾视频的线性动态纹理(LDS) | 第48-49页 |
| 4.4 烟雾视频的高阶线性动态纹理(h-LDS) | 第49-54页 |
| 4.4.1 烟雾视频的高阶线性动态纹理(h-LDS)分析框架 | 第49-51页 |
| 4.4.2 方向梯度直方图(HOG) | 第51-54页 |
| 4.5 烟雾码书产生与聚类 | 第54页 |
| 4.6 仿真实验和性能评估 | 第54-57页 |
| 4.7 本章小结 | 第57-58页 |
| 第五章 基于广义熵模糊神经网络的烟雾视频图像聚类 | 第58-78页 |
| 5.1 算法结构 | 第58-59页 |
| 5.2 模糊c均值聚类(FCM) | 第59-62页 |
| 5.3 广义熵模糊神经网络聚类(GEFCM) | 第62-72页 |
| 5.3.1 广义熵模糊聚类的目标函数 | 第62页 |
| 5.3.2 使用Hopfield网络求解聚类中心 | 第62-67页 |
| 5.3.3 使用广义熵模糊神经网络求解模糊隶属度 | 第67-72页 |
| 5.4 烟雾视频图像特征张量分析 | 第72-74页 |
| 5.5 仿真实验和性能评估 | 第74-76页 |
| 5.6 本章小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻读学位期间发表的学术论文目录 | 第86页 |