基于视频图像处理的火灾烟雾检测技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·视频图像烟雾检测简介 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的研究内容及结构安排 | 第9-11页 |
| 第二章 视频图像运动区域检测与分割 | 第11-17页 |
| ·图像的预处理 | 第11-13页 |
| ·彩色图像转灰度图像 | 第11页 |
| ·灰度图像直方图均衡化 | 第11-12页 |
| ·灰度图像平滑滤波 | 第12-13页 |
| ·运动检测算法介绍 | 第13-14页 |
| ·帧间差分法 | 第13页 |
| ·光流法 | 第13页 |
| ·背景减除法 | 第13-14页 |
| ·基于背景更新的视频图像运动区域检测 | 第14-16页 |
| ·背景更新 | 第14页 |
| ·运动区域分割 | 第14-15页 |
| ·数学形态学处理 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 烟雾图像特征分析与提取 | 第17-23页 |
| ·烟雾飘动特性分析 | 第17-20页 |
| ·飘动方向 | 第17-18页 |
| ·周期飘动强度 | 第18-19页 |
| ·周期有效飘动强度 | 第19-20页 |
| ·周期逆向飘动强度 | 第20页 |
| ·烟雾密度分布特性分析 | 第20-21页 |
| ·烟雾边界形状特性分析 | 第21页 |
| ·烟雾图像特征向量 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 基于自适应神经模糊推理系统的视频烟雾检测 | 第23-43页 |
| ·模糊系统理论基础 | 第23-26页 |
| ·模糊集合及其运算 | 第23-24页 |
| ·隶属度函数 | 第24-25页 |
| ·模糊推理规则及其运算 | 第25-26页 |
| ·模糊系统的分类 | 第26页 |
| ·人工神经网络理论基础 | 第26-28页 |
| ·人工神经网络模型结构 | 第27-28页 |
| ·人工神经网络学习算法 | 第28页 |
| ·自适应神经模糊推理系统 | 第28-31页 |
| ·ANFIS 网络结构 | 第29-30页 |
| ·ANFIS 学习算法 | 第30-31页 |
| ·减法聚类 | 第31页 |
| ·ANFIS 在视频烟雾检测中的应用 | 第31-42页 |
| ·视频烟雾检测系统总体结构 | 第32-33页 |
| ·实验数据说明 | 第33-34页 |
| ·数据预处理 | 第34-35页 |
| ·仿真实验 | 第35-37页 |
| ·实验结果分析及比较 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 贝叶斯决策支持的视频烟雾检测 | 第43-51页 |
| ·贝叶斯决策理论基础 | 第43-47页 |
| ·基于最小错误率的贝叶斯决策 | 第43-45页 |
| ·基于最小风险的贝叶斯决策 | 第45-47页 |
| ·基于贝叶斯决策的检测结果修正 | 第47-49页 |
| ·样本条件概率和总体分布的非参数估计 | 第47-48页 |
| ·基于最小错误率贝叶斯决策的检测结果修正 | 第48页 |
| ·基于最小风险贝叶斯决策的检测结果修正 | 第48-49页 |
| ·实验结果分析及比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第58页 |
