基于火焰特征的图像型火灾探测技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.1.1 传统火灾探测技术及其弊端 | 第11-12页 |
| 1.1.2 图像型火灾探测技术的兴起及其特点 | 第12页 |
| 1.2 图像型火灾探测技术的原理 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 图像型火灾探测系统的应用情况 | 第13-14页 |
| 1.3.2 图像型火灾探测技术相关算法的研究现状 | 第14-17页 |
| 1.4 主要研究内容 | 第17页 |
| 1.5 论文章节安排 | 第17-19页 |
| 第2章 视频图像的预处理 | 第19-31页 |
| 2.1 视频制式调整 | 第19页 |
| 2.2 图像灰度化 | 第19-21页 |
| 2.2.1 灰度化基本方法 | 第19-20页 |
| 2.2.2 灰度化效果对比 | 第20-21页 |
| 2.3 图像去噪 | 第21-27页 |
| 2.3.1 去噪常用方法 | 第22-26页 |
| 2.3.2 数学形态学运算 | 第26-27页 |
| 2.4 直方图均衡化 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 火灾图像的分割 | 第31-49页 |
| 3.1 火焰图像分割方法 | 第31-38页 |
| 3.1.1 阈值分割法 | 第31-34页 |
| 3.1.2 边缘检测法 | 第34-35页 |
| 3.1.3 运动检测法 | 第35-38页 |
| 3.2 颜色分割 | 第38-44页 |
| 3.2.1 基础颜色模型 | 第38-42页 |
| 3.2.2 混合颜色模型 | 第42页 |
| 3.2.3 统计颜色模型 | 第42-43页 |
| 3.2.4 模型分割效果对比 | 第43-44页 |
| 3.3 区域生长 | 第44-48页 |
| 3.3.1 区域生长基本原理 | 第44-45页 |
| 3.3.2 区域生长算法实现 | 第45-46页 |
| 3.3.3 仿真结果及分析 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 火灾视频的特征提取 | 第49-63页 |
| 4.1 火焰形状特征的提取 | 第49-50页 |
| 4.1.1 偏心率 | 第49页 |
| 4.1.2 圆形度 | 第49-50页 |
| 4.1.3 尖角特征 | 第50页 |
| 4.2 火焰动态特征的提取 | 第50-57页 |
| 4.2.1 面积变化率 | 第50-53页 |
| 4.2.2 形状相似度 | 第53-54页 |
| 4.2.3 闪烁频率 | 第54-57页 |
| 4.3 火焰分层特征的提取 | 第57-61页 |
| 4.3.1 R通道灰度差分统计均值 | 第58-60页 |
| 4.3.2 R通道灰度差分变异系数 | 第60-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 基于多判据的火焰识别 | 第63-71页 |
| 5.1 基于BP神经网络的特征融合 | 第63-65页 |
| 5.1.1 构建BP神经网络 | 第63-64页 |
| 5.1.2 BP神经网络算法实现流程 | 第64-65页 |
| 5.1.3 BP神经网络输入样本及训练参数 | 第65页 |
| 5.2 实验结果及分析 | 第65-69页 |
| 5.2.1 本文火焰识别算法实现流程 | 第65-66页 |
| 5.2.2 测试视频的选取 | 第66-67页 |
| 5.2.3 检测结果及分析 | 第67-69页 |
| 5.3 本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |
