| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 课题研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 研究内容 | 第10页 |
| 1.4 论文结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 2 实验环境与数据集介绍 | 第12-16页 |
| 2.1 算法软件平台 | 第12-13页 |
| 2.1.1 MATLAB简介 | 第12页 |
| 2.1.2 Caffe简介 | 第12页 |
| 2.1.3 Linux简介 | 第12-13页 |
| 2.2 GPU工作站 | 第13页 |
| 2.3 数据库 | 第13-15页 |
| 2.3.1 夜晚样本数据库 | 第13-15页 |
| 2.3.2 白天样本数据库 | 第15页 |
| 2.4 本章小结 | 第15-16页 |
| 3 基于传统图像处理的火灾识别 | 第16-26页 |
| 3.1 图像特征提取 | 第16-18页 |
| 3.1.1 引言 | 第16页 |
| 3.1.2 通用搜索树(GIST)特征 | 第16页 |
| 3.1.3 形状和颜色(Shape and Color,SAC)特征 | 第16-18页 |
| 3.2 分类算法 | 第18-22页 |
| 3.2.1 支持向量机(SVM) | 第18-19页 |
| 3.2.2 BP神经网络 | 第19-22页 |
| 3.2.3 径向基神经网络(RBF) | 第22页 |
| 3.3 实验分析 | 第22-25页 |
| 3.3.1 提取GIST特征并与SVM结合 | 第22-23页 |
| 3.3.2 提取GIST特征并与RBF神经网络结合 | 第23页 |
| 3.3.3 提取SAC特征并与RBF神经网络结合 | 第23-24页 |
| 3.3.4 提取SAC特征并与BP神经网络结合 | 第24页 |
| 3.3.5 结果讨论 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 4 基于卷积神经网络的夜间林火识别 | 第26-40页 |
| 4.1 引言 | 第26-29页 |
| 4.2 卷积神经网络 | 第29-32页 |
| 4.2.1 卷积神经网络发展历程 | 第29-30页 |
| 4.2.2 卷积神经网络基本结构 | 第30-32页 |
| 4.3 基于卷积神经网络的夜间林火识别框架搭建 | 第32-34页 |
| 4.4 实验结果分析 | 第34-38页 |
| 4.4.1 不同学习率参数实验 | 第34-35页 |
| 4.4.2 不同批量大小实验 | 第35-36页 |
| 4.4.3 不同迭代次数实验 | 第36页 |
| 4.4.4 网络设置及运行效果 | 第36-38页 |
| 4.5 本章小结 | 第38-40页 |
| 5 基于卷积神经网络的白天林火识别 | 第40-52页 |
| 5.1 引言 | 第40页 |
| 5.2 基于卷积神经网络的白天林火识别框架搭建 | 第40-45页 |
| 5.3 实验结果分析 | 第45-49页 |
| 5.3.1 随机初始化参数结果及分析 | 第45-46页 |
| 5.3.2 替换模型参数结果及分析 | 第46-47页 |
| 5.3.3 网络运行效果 | 第47-49页 |
| 5.4 林火识别系统设计 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 6 结论与展望 | 第52-54页 |
| 6.1 结论 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 个人简介 | 第57-58页 |
| 导师简介 | 第58-59页 |
| 获得成果目录 | 第59-60页 |
| 致谢 | 第60页 |