| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-21页 |
| ·课题研究的背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·火焰特征分析 | 第13-15页 |
| ·火焰检测算法研究现状 | 第15-17页 |
| ·研究的主要内容、重难点及创新点 | 第17-19页 |
| ·研究的主要内容 | 第17页 |
| ·火焰检测研究难点 | 第17页 |
| ·主要创新点 | 第17-18页 |
| ·本文火焰检测算法流程 | 第18-19页 |
| ·论文的组织结构 | 第19-21页 |
| 第二章 图像处理基本知识 | 第21-33页 |
| ·颜色模型 | 第21-22页 |
| ·信息的不确定表示 | 第22-24页 |
| ·贝叶斯概率模型 | 第24-25页 |
| ·贝叶斯概率理论 | 第24页 |
| ·贝叶斯决策规则 | 第24-25页 |
| ·运动目标检测方法 | 第25-27页 |
| ·运动目标检测概述 | 第25-26页 |
| ·运动目标检测方法分类 | 第26-27页 |
| ·视觉选择注意 | 第27-31页 |
| ·视觉注意机制及其研究现状 | 第27-29页 |
| ·人类视觉注意神经机制 | 第29-30页 |
| ·视觉选择注意计算模型经典视觉注意模型显著图生成方法 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于视觉特征对比度的疑似火焰区域提取 | 第33-41页 |
| ·火焰的视觉特征 | 第33页 |
| ·基于特征对比度的视觉注意显著性计算模型 | 第33-39页 |
| ·基于颜色特征对比度的显著图生成 | 第34-36页 |
| ·基于运动特征对比度的显著图生成 | 第36-39页 |
| ·火焰感兴趣区域提取 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 火焰动态时空特征描述 | 第41-47页 |
| ·火焰区域运动不一致性检测 | 第41-43页 |
| ·二维信息熵 | 第41-42页 |
| ·运动不一致性检测 | 第42-43页 |
| ·火焰区域蔓延性检测 | 第43-44页 |
| ·火焰纹理特征检测 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于贝叶斯网络的火焰识别 | 第47-54页 |
| ·贝叶斯网络构成 | 第47-48页 |
| ·基于贝叶斯网络的火焰分类器设计 | 第48-52页 |
| ·贝叶斯网络模型参数确定 | 第48-49页 |
| ·Parzen 窗参数估计 | 第49-52页 |
| ·基于贝叶斯网络的火焰识别 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 开放环境下火焰智能检测试验结果与分析 | 第54-66页 |
| ·软件与试验环境 | 第54-55页 |
| ·MATLAB 软件平台 | 第54页 |
| ·硬件试验环境 | 第54-55页 |
| ·基于视觉特征对比度的疑似火焰区域提取 | 第55-58页 |
| ·基于颜色特征对比度的显著图生成试验 | 第55-56页 |
| ·基于运动特征对比度的显著图生成试验 | 第56-57页 |
| ·疑似火焰感兴趣区域提取 | 第57-58页 |
| ·感兴趣区域的时空特征分析 | 第58-62页 |
| ·时空特征分析 | 第58-61页 |
| ·火焰视觉特征 Parzen 窗估计 | 第61-62页 |
| ·火焰算法总体流程检测结果 | 第62-63页 |
| ·开放环境下火焰智能检测试验 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66-67页 |
| ·未来展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |