森林火灾的自动识别
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·课题背景和意义 | 第9-11页 |
| ·国内外研究及开发现状 | 第11-14页 |
| ·发展趋势 | 第14-15页 |
| ·本课题的研究内容 | 第15-16页 |
| 第二章 早期森林火灾的特征 | 第16-23页 |
| ·引言 | 第16页 |
| ·森林火灾的特征 | 第16-19页 |
| ·可提供图像信息的早期火灾物理现象 | 第16-17页 |
| ·早期森林火灾烟雾特征 | 第17-18页 |
| ·早期森林火灾火焰特征 | 第18-19页 |
| ·图像处理在早期森林火灾探测中的应用 | 第19-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 早期森林火灾火焰图像分割 | 第23-37页 |
| ·引言 | 第23页 |
| ·火灾图像的分割研究 | 第23-36页 |
| ·图像分割技术简介 | 第23-24页 |
| ·二维最大熵阈值法图像分割技术 | 第24-27页 |
| ·OTSU阈值算法图像分割技术 | 第27-28页 |
| ·改进二维直方图阈值法 | 第28-31页 |
| ·改进的二维最大类间方差闭值选取的粒子群优化算法 | 第31-33页 |
| ·实验结果与分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 早期森林火灾火焰图像识别 | 第37-47页 |
| ·火焰面积增长特性 | 第37-38页 |
| ·火焰边缘变化分析 | 第38-40页 |
| ·火焰尖角的识别 | 第38-40页 |
| ·火焰形体变化分析 | 第40-45页 |
| ·火焰图像的形状相似特性 | 第40-42页 |
| ·火焰图像的圆形度 | 第42-45页 |
| ·火焰的整体移动 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于RBF神经网络的火灾识别系统 | 第47-60页 |
| ·神经网络简介 | 第47-49页 |
| ·神经网络的基本概念 | 第47-48页 |
| ·神经网络的研究方向 | 第48页 |
| ·神经网络的基本特点 | 第48-49页 |
| ·RBF神经网络的基本原理 | 第49-53页 |
| ·RBF神经网络与BP网络的差别 | 第53页 |
| ·RBF神经网络的学习算法 | 第53-56页 |
| ·基于随机选取中心的RBF网络学习算法 | 第53-54页 |
| ·基于OLS算法的RBF网络学习算法 | 第54-56页 |
| ·基于RBF网络的火灾识别系统 | 第56-59页 |
| ·RBF神经网络火灾识别系统的结构 | 第56-58页 |
| ·基于RFB神经网络的火灾图像识别实验 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |
