| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究课题背景及其意义 | 第10-11页 |
| ·空中机器人发展介绍 | 第10页 |
| ·空中机器人的研究意义及应用领域 | 第10-11页 |
| ·国内外空中机器人研究现状 | 第11-13页 |
| ·国外空中机器人火灾监测的研究现状 | 第13-14页 |
| ·本论文主要研究内容 | 第14-15页 |
| ·课题来源 | 第15-16页 |
| 第二章 基于红外图像采集平台的硬件结构与图像采集传输 | 第16-29页 |
| ·灾害监测平台的硬件结构介绍 | 第16-19页 |
| ·机载计算机 | 第16页 |
| ·红外与RGB摄像头 | 第16-17页 |
| ·图像采集设备 | 第17-18页 |
| ·无线网络设备 | 第18-19页 |
| ·图像采集程序设计与实现 | 第19-23页 |
| ·Linux系统内核及模块编译 | 第19-20页 |
| ·图像采集格式 | 第20-22页 |
| ·图像采集程序设计 | 第22-23页 |
| ·打开视频设备文件 | 第23页 |
| ·获取视频设备相关属性 | 第23页 |
| ·Video4linux2和FFmpeg图像采集程序设计 | 第23-25页 |
| ·Encoder类设计 | 第24页 |
| ·Webcam类设计 | 第24-25页 |
| ·图像传输设备设计与实现 | 第25-27页 |
| ·地面站接收端配置 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 火灾识别算法设计 | 第29-46页 |
| ·图像处理简介 | 第29-32页 |
| ·数字图像处理 | 第29-30页 |
| ·数字图像分割简介 | 第30-31页 |
| ·OpenCV简介 | 第31-32页 |
| ·火灾信息检测与处理技术的研究状况 | 第32-35页 |
| ·传统火灾识别方式 | 第33-34页 |
| ·普通火灾火焰的基本特征 | 第34-35页 |
| ·基于红外摄像头的火灾与火灾高危点的识别算法设计 | 第35-40页 |
| ·野外火灾火焰与火灾高危点的特征 | 第35-36页 |
| ·温度阈值图像分割 | 第36-37页 |
| ·火焰高危点的识别算法设计 | 第37-38页 |
| ·火焰高危点的识别算法流程 | 第38-39页 |
| ·基于火焰动态特征的识别算法设计 | 第39页 |
| ·基于火焰动态特征的识别算法流程 | 第39-40页 |
| ·基于彩色摄像头的火灾识别算法设计 | 第40-44页 |
| ·基于色彩分量的火灾识别算法 | 第40-43页 |
| ·基于色彩分量的火灾识别算法流程 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 可疑火点的三维重构和双目摄像头电机转台追踪仿真实现 | 第46-58页 |
| ·双目摄像头电机转台控制追踪仿真实现 | 第46-49页 |
| ·双目摄像头电机转台硬件构成 | 第46页 |
| ·双目摄像头电机转台控制追踪算法设计 | 第46-49页 |
| ·摄像机标定与可疑火点的三维重构 | 第49-57页 |
| ·计算机视觉简介 | 第49-50页 |
| ·摄像机定标 | 第50页 |
| ·摄像机内外参数 | 第50页 |
| ·摄像机内参数标定 | 第50-55页 |
| ·可疑火点的三维重构匹配 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于BP神经网络的火灾数据融合 | 第58-67页 |
| ·BP神经网络结构 | 第58-62页 |
| ·BP神经元模型 | 第59页 |
| ·神经网络的输入层 | 第59-60页 |
| ·神经网络的隐层 | 第60-61页 |
| ·神经网络的输出层 | 第61-62页 |
| ·BP神经网络模型的运行 | 第62-65页 |
| ·BP神经网络的火灾信息融合 | 第65页 |
| ·本章小结 | 第65-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
