| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 火灾检测技术概述 | 第9-12页 |
| 1.1.1 传统的火灾检测技术 | 第10-11页 |
| 1.1.2 视频型的火灾检测技术 | 第11-12页 |
| 1.2 视频型火灾检测技术的研究背景和意义 | 第12-13页 |
| 1.3 火灾烟雾探测技术的国内外研究现状 | 第13-15页 |
| 1.4 研究目标和内容 | 第15-17页 |
| 第二章 基于饱和度特征的烟雾检测算法 | 第17-26页 |
| 2.1 背景建模 | 第17-18页 |
| 2.2 前景提取 | 第18-21页 |
| 2.2.1 饱和度特征分析 | 第18-20页 |
| 2.2.2 前景提取 | 第20-21页 |
| 2.3 烟雾色度判定 | 第21-22页 |
| 2.4 形态学去噪 | 第22-23页 |
| 2.5 实验结果 | 第23-26页 |
| 第三章 局部二元模型及其改进算法研究 | 第26-43页 |
| 3.1 局部二元模型(LBP) | 第26-28页 |
| 3.1.1 基本的方形邻域 LBP | 第26-27页 |
| 3.1.2 圆形邻域 LBP | 第27-28页 |
| 3.1.3 LBP 特征的表示 | 第28页 |
| 3.2 LBP 特征的几种模式 | 第28-31页 |
| 3.2.1 统一模式(Uniform Patterns) | 第29-30页 |
| 3.2.2 旋转不变的 LBP 模式(Rotation-invariant Patterns) | 第30页 |
| 3.2.3 旋转不变统一模式(Rotation-invariant-uniform Pattern) | 第30-31页 |
| 3.3 局部二进制方差(LBP variance:LBPV) | 第31-32页 |
| 3.4 完整局部二元模型(Complete Local Binary Pattern :CLBP) | 第32-36页 |
| 3.5 自适应的模式训练模型 | 第36-42页 |
| 3.5.1 训练最具辨别能力模式的出发点 | 第36页 |
| 3.5.2 训练模型 | 第36-39页 |
| 3.5.3 模型性能分析 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于模式识别的烟雾检测算法 | 第43-49页 |
| 4.1 烟雾颜色特征 | 第43页 |
| 4.2 烟雾的空间对比度特征 | 第43-46页 |
| 4.2.1 图像的多分辨率表示 | 第44-45页 |
| 4.2.2 烟雾的 LBPV 特征 | 第45-46页 |
| 4.3 烟雾的空间结构特征 | 第46-47页 |
| 4.4 支持向量机分类器(SVMS) | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 实验结果 | 第49-55页 |
| 5.1 算法性能分析 | 第49-51页 |
| 5.2 视频中的烟检测 | 第51-52页 |
| 5.3 对比试验 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 6.1 研究总结 | 第55-56页 |
| 6.2 创新点 | 第56页 |
| 6.3 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
