| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 火灾探测方法的发展现状 | 第8-10页 |
| 1.1.1 传统的火灾检测方法 | 第8-9页 |
| 1.1.2 基于图像的火灾识别方法 | 第9-10页 |
| 1.3 图像型火灾探测系统结构 | 第10-11页 |
| 1.3.1 图像型火灾探测系统构成 | 第10-11页 |
| 1.3.2 基于支持向量机的图像型火灾识别 | 第11页 |
| 1.4 本课题的主要工作和内容安排 | 第11-12页 |
| 第二章 火灾火焰图像预处理及分割 | 第12-18页 |
| 2.1 引言 | 第12页 |
| 2.2 火灾火焰图像的分割处理 | 第12-16页 |
| 2.2.1 颜色模型选择 | 第12-13页 |
| 2.2.2 火灾图像分割算法及仿真实验结果分析 | 第13-16页 |
| 2.3 火灾火焰图像的预处理 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 火灾火焰图像的特征提取 | 第18-24页 |
| 3.1 引言 | 第18页 |
| 3.2 火灾火焰图像的颜色特征 | 第18-19页 |
| 3.2.1 一阶颜色矩 | 第18-19页 |
| 3.2.2 火灾火焰颜色特征实验计算 | 第19页 |
| 3.3 火灾火焰图像的纹理特征 | 第19-21页 |
| 3.3.1 灰度共生矩阵分析法 | 第19-20页 |
| 3.3.2 火灾火焰纹理特征实验计算 | 第20-21页 |
| 3.4 火灾火焰图像的形状特征 | 第21-23页 |
| 3.4.1 火灾图像的圆形度 | 第22页 |
| 3.4.2 火灾火焰圆形度实验计算 | 第22-23页 |
| 3.5 本章小结 | 第23-24页 |
| 第四章 基于支持向量机的火灾图像识别算法研究 | 第24-41页 |
| 4.1 支持向量机简介 | 第24-25页 |
| 4.2 支持向量机的参数优化方法 | 第25-33页 |
| 4.2.1 核参数的选取 | 第26-27页 |
| 4.2.2 网格搜索法 | 第27页 |
| 4.2.3 GA 算法 | 第27-28页 |
| 4.2.4 PSO 算法 | 第28-29页 |
| 4.2.5 改进的 PSO 算法 | 第29-32页 |
| 4.2.6 参数优化实验数据分析 | 第32-33页 |
| 4.3 基于支持向量机的火灾识别算法实现 | 第33-40页 |
| 4.3.1 基于支持向量机的火灾图像识别说明 | 第34-35页 |
| 4.3.2 火灾火焰图像样本选取 | 第35-39页 |
| 4.3.3 基于支持向量机的火灾火焰图像识别仿真实验及分析 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 总结 | 第41-42页 |
| 5.2 展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 研究生阶段研究成果 | 第46-47页 |
| 致谢 | 第47-48页 |
| 详细摘要 | 第48-51页 |