红外图像型智能火灾探测系统的研究与实现
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-17页 |
| ·引言 | 第12页 |
| ·研究背景与现状 | 第12-15页 |
| ·研究背景 | 第12-14页 |
| ·基于红外图像处理的火灾探测技术发展 | 第14-15页 |
| ·论文研究内容以及目标 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 火灾图像分析 | 第17-23页 |
| ·火灾信号特征 | 第17-19页 |
| ·火灾温度特征 | 第17-18页 |
| ·火焰的特点及图像的特性 | 第18-19页 |
| ·红外基础理论 | 第19-20页 |
| ·普朗克辐射定律 | 第19-20页 |
| ·维恩位移定律 | 第20页 |
| ·红外图像特征 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第三章 红外图像测温模型建立 | 第23-29页 |
| ·红外测温技术概述 | 第23页 |
| ·红外测温模型建立 | 第23-27页 |
| ·温度与像素值的定量关系 | 第24-25页 |
| ·像素值随距离的衰减关系 | 第25-27页 |
| ·距离识别 | 第27页 |
| ·综合模型设计 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第四章 系统结构与硬件设计 | 第29-35页 |
| ·系统结构 | 第29页 |
| ·系统硬件设计 | 第29-34页 |
| ·红外滤光片的选取 | 第30-31页 |
| ·摄像头的选取 | 第31-32页 |
| ·GSM模块 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第五章 系统软件设计与实现 | 第35-64页 |
| ·编程环境 | 第35-37页 |
| ·MFC概述 | 第35页 |
| ·OpenCV概述 | 第35-36页 |
| ·Directshow概述 | 第36-37页 |
| ·系统软件结构与功能 | 第37-39页 |
| ·系统软件结构 | 第37-38页 |
| ·系统软件模块及功能 | 第38-39页 |
| ·多线程的实现 | 第39-40页 |
| ·火灾识别算法 | 第40-47页 |
| ·温度算法 | 第40-41页 |
| ·面积算法 | 第41-43页 |
| ·形状改变算法 | 第43-45页 |
| ·防误报警功能 | 第45-47页 |
| ·图像分析与处理 | 第47-56页 |
| ·中值滤波 | 第47-49页 |
| ·灰度化 | 第49-50页 |
| ·二值化 | 第50-51页 |
| ·灰度直方图 | 第51-52页 |
| ·轮廓跟踪 | 第52-53页 |
| ·伪彩色图 | 第53-56页 |
| ·网络报警 | 第56-59页 |
| ·GSM报警 | 第59-63页 |
| ·小结 | 第63-64页 |
| 第六章 基于BP神经网络的燃烧物识别系统的模型 | 第64-81页 |
| ·燃烧物识别的意义 | 第64页 |
| ·燃烧物识别提取的特征 | 第64-72页 |
| ·温度特征 | 第64-67页 |
| ·形体特征 | 第67-72页 |
| ·基于BP神经网络的燃烧物识别系统的模型 | 第72-77页 |
| ·BP神经网络概述 | 第72-73页 |
| ·学习样本的确定 | 第73-74页 |
| ·激活函数的选取 | 第74页 |
| ·网络层数的选择 | 第74-75页 |
| ·各层节点数确定 | 第75-76页 |
| ·神经网络中参数的选取 | 第76-77页 |
| ·BP神经网络算法实现 | 第77页 |
| ·神经网络训练及测试 | 第77-80页 |
| ·神经网络训练 | 第77-79页 |
| ·神经网络测试 | 第79-80页 |
| ·小结 | 第80-81页 |
| 第七章 实验结果及分析 | 第81-89页 |
| ·实验步骤及结果 | 第81-88页 |
| ·温度检测 | 第84-85页 |
| ·火灾检测 | 第85-87页 |
| ·抗干扰实验 | 第87-88页 |
| ·小结 | 第88-89页 |
| 第八章 总结与展望 | 第89-90页 |
| 参考文献 | 第90-92页 |
| 致谢 | 第92-93页 |
| 攻读硕士学位期间发表的论文 | 第93-94页 |
| 附录 | 第94-108页 |
| 1、多线程的实现 | 第94-95页 |
| 2、网络报警 | 第95-99页 |
| 3、火灾探测 | 第99-104页 |
| 4、燃烧物识别 | 第104-108页 |
