基于图像分析的火灾报警系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 火灾报警系统的国内外研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容及章节安排 | 第11-13页 |
| 第2章 图像处理技术相关理论 | 第13-21页 |
| 2.1 彩色图像颜色模型 | 第13-15页 |
| 2.1.1 RGB颜色模型 | 第13-14页 |
| 2.1.2 HSI颜色模型 | 第14-15页 |
| 2.1.3 YUV颜色模型 | 第15页 |
| 2.2 图像灰度化 | 第15-16页 |
| 2.3 图像滤波 | 第16-17页 |
| 2.4 图像形态学处理 | 第17-19页 |
| 2.4.1 腐蚀 | 第18-19页 |
| 2.4.2 膨胀 | 第19页 |
| 2.4.3 开闭运算 | 第19页 |
| 2.5 本章小结 | 第19-21页 |
| 第3章 火焰目标区域提取及特征提取 | 第21-39页 |
| 3.1 火焰目标区域提取 | 第21-25页 |
| 3.1.1 图像分割 | 第21-23页 |
| 3.1.2 目标区域检测 | 第23页 |
| 3.1.3 初始背景建立 | 第23-24页 |
| 3.1.4 背景过程更新 | 第24-25页 |
| 3.2 火灾图像特征提取 | 第25-36页 |
| 3.2.1 图像特征提取概述 | 第25-26页 |
| 3.2.2 面积特征 | 第26-28页 |
| 3.2.3 形态特征 | 第28-30页 |
| 3.2.4 边缘特征 | 第30-32页 |
| 3.2.5 纹理特征 | 第32-34页 |
| 3.2.6 频闪特征 | 第34-36页 |
| 3.3 火灾图像特征选择 | 第36-38页 |
| 3.3.1 特征选择的概念与方法 | 第37页 |
| 3.3.2 火灾图像特征分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于BP神经网络的火灾图像识别 | 第39-51页 |
| 4.1 模式识别概述 | 第39-40页 |
| 4.2 人工神经网络简介 | 第40-41页 |
| 4.3 BP神经网络相关理论 | 第41-45页 |
| 4.3.1 BP神经网络基本原理 | 第41-42页 |
| 4.3.2 BP神经网络计算过程 | 第42-44页 |
| 4.3.3 存在的问题及改进方法 | 第44-45页 |
| 4.4 火灾图像识别的实现 | 第45-50页 |
| 4.4.1 BP神经网络的结构与样本 | 第45-47页 |
| 4.4.2 BP神经网络的训练与预测 | 第47页 |
| 4.4.3 算法的实现步骤 | 第47-48页 |
| 4.4.4 仿真分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 火灾报警系统的设计与实现 | 第51-63页 |
| 5.1 火灾报警系统功能设计 | 第51页 |
| 5.2 火灾报警系统方案设计 | 第51-62页 |
| 5.2.1 方案总体设计 | 第51-52页 |
| 5.2.2 无线网络方案设计 | 第52-56页 |
| 5.2.3 监控设备选型 | 第56-57页 |
| 5.2.4 客户端软件设计 | 第57-59页 |
| 5.2.5 系统运行效果演示 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
