基于图像的火焰检测技术分析
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 数字图像的类型 | 第12-13页 |
| 1.4 图像的采样和量化 | 第13页 |
| 1.5 小结 | 第13-14页 |
| 第二章 火焰检测的系统组成和原理 | 第14-20页 |
| 2.1 测量系统组成 | 第14-15页 |
| 2.2 测温方法 | 第15页 |
| 2.3 测温原理 | 第15-18页 |
| 2.3.1 单色法测温原理 | 第16-17页 |
| 2.3.2 双色法测温原理 | 第17-18页 |
| 2.4 温度场的显示 | 第18-19页 |
| 2.5 小结 | 第19-20页 |
| 第三章 数字图像预处理 | 第20-28页 |
| 3.1 火焰图像的噪声消除 | 第20-22页 |
| 3.1.1 噪声类型 | 第20-21页 |
| 3.1.2 滤波 | 第21-22页 |
| 3.2 火焰图像增强 | 第22-23页 |
| 3.3 火焰图像的边缘检测与图像分割 | 第23-24页 |
| 3.3.1 边缘检测 | 第23页 |
| 3.3.2 图像分割 | 第23-24页 |
| 3.4 火焰图像的特征量提取 | 第24-27页 |
| 3.4.1 特征测量 | 第24-25页 |
| 3.4.2 火焰燃烧特征量 | 第25-27页 |
| 3.5 小结 | 第27-28页 |
| 第四章 神经网络算法概述 | 第28-34页 |
| 4.1 人工神经网络简介 | 第28页 |
| 4.2 RBF神经网络 | 第28-31页 |
| 4.2.1 RBF算法实现过程 | 第29页 |
| 4.2.2 RBF神经网络参数调整 | 第29-31页 |
| 4.3 BP神经网络 | 第31-32页 |
| 4.3.1 BP算法实现过程 | 第31-32页 |
| 4.3.2 BP神经网络参数调整 | 第32页 |
| 4.4 RBF神经网络与BP神经网络比较 | 第32页 |
| 4.5 小结 | 第32-34页 |
| 第五章 基于神经网络的燃烧状态识别 | 第34-41页 |
| 5.1 MATLAB图像处理 | 第34-39页 |
| 5.1.1 图像增强 | 第34-36页 |
| 5.1.2 图像滤波 | 第36-37页 |
| 5.1.3 边缘检测 | 第37-38页 |
| 5.1.4 图像分割 | 第38-39页 |
| 5.2 燃烧状态识别 | 第39-40页 |
| 5.3 小结 | 第40-41页 |
| 第六章 结论与展望 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 攻读硕士士学位期间发表的学术论文及其它成果 | 第44-45页 |
| 致谢 | 第45页 |
