基于光流特征和小波变换的视频烟雾识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 传统的烟雾检测技术 | 第10-11页 |
| 1.2.1 传统火灾烟雾检测方法的回顾 | 第10-11页 |
| 1.2.2 传统烟雾检测的缺陷性 | 第11页 |
| 1.3 烟雾特性研究及现有识别算法 | 第11-13页 |
| 1.3.1 烟雾特性的分析 | 第11页 |
| 1.3.2 典型的烟雾检测算法 | 第11-13页 |
| 1.3.3 本文烟雾检测算法框架 | 第13页 |
| 1.4 论文研究目标和内容 | 第13-15页 |
| 1.4.1 论文研究目标及创新点 | 第13页 |
| 1.4.2 论文组织结构安排 | 第13-15页 |
| 第2章 图像的动态区域识别 | 第15-26页 |
| 2.1 图像滤波 | 第15-18页 |
| 2.1.1 均值滤波 | 第15-16页 |
| 2.1.2 中值滤波 | 第16-18页 |
| 2.2 运动目标检测的常用方法 | 第18-25页 |
| 2.2.1 光流法 | 第19-21页 |
| 2.2.2 帧差法 | 第21-22页 |
| 2.2.3 高斯混合模型在运动提取中的应用 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 烟雾图像的颜色分析 | 第26-31页 |
| 3.1 颜色模型的介绍 | 第26-29页 |
| 3.1.1 RGB颜色空间 | 第26-28页 |
| 3.1.2 HSI颜色空间 | 第28-29页 |
| 3.2 基于RGB和HSI空间的烟雾颜色检测 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 候选区域的后续处理 | 第31-40页 |
| 4.1 二值化处理 | 第31-33页 |
| 4.1.1 大津法 | 第31-32页 |
| 4.1.2 迭代法 | 第32-33页 |
| 4.2 形态学处理 | 第33-36页 |
| 4.2.1 腐蚀 | 第34-35页 |
| 4.2.2 膨胀 | 第35-36页 |
| 4.3 连通域处理 | 第36-38页 |
| 4.4 可疑烟雾区域的提取 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 特征提取与基于支持向量机的烟雾检测 | 第40-51页 |
| 5.1 传统烟雾光流特性 | 第40-41页 |
| 5.2 传统光流特征的弊端 | 第41页 |
| 5.3 光流特征提取 | 第41-43页 |
| 5.3.1 光流长度及方向的均值和方差 | 第41-42页 |
| 5.3.2 光流对比度 | 第42页 |
| 5.3.3 方向一致性 | 第42-43页 |
| 5.4 小波特征 | 第43-47页 |
| 5.4.1 概述 | 第43页 |
| 5.4.2 Fourier变换 | 第43-44页 |
| 5.4.3 连续小波变换 | 第44-45页 |
| 5.4.4 一维离散小波变换 | 第45-46页 |
| 5.4.5 二维离散小波变换 | 第46-47页 |
| 5.4.6 能量特征 | 第47页 |
| 5.5 分类器介绍 | 第47-50页 |
| 5.5.1 K近邻分类器 | 第48页 |
| 5.5.2 神经网络分类器 | 第48-49页 |
| 5.5.3 支持向量机概述 | 第49-50页 |
| 5.5.4 Libsvm工具箱介绍 | 第50页 |
| 5.6 本章小结 | 第50-51页 |
| 第6章 实验结果与分析 | 第51-57页 |
| 6.1 烟雾光流特征的有效性分析 | 第52-54页 |
| 6.2 本文和经典烟雾特征检测效果比较 | 第54-55页 |
| 6.3 本章小结 | 第55-57页 |
| 第7章 总结与展望 | 第57-60页 |
| 7.1 本文工作的总结 | 第57-59页 |
| 7.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
