| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题研究意义及背景 | 第9-10页 |
| ·课题的研究背景 | 第9-10页 |
| ·课题的研究意义 | 第10页 |
| ·烟雾的特点及烟雾检测的难点 | 第10-12页 |
| ·烟雾视觉特征分析 | 第10-12页 |
| ·烟雾检测难点分析 | 第12页 |
| ·国内外基于图像处理的烟雾检测技术现状 | 第12-15页 |
| ·感兴趣区域提取 | 第13页 |
| ·动态特征分析 | 第13-15页 |
| ·分类器设计 | 第15页 |
| ·研究的主要内容及创新点 | 第15-17页 |
| ·本文的主要工作 | 第15-17页 |
| ·本文的创新点 | 第17页 |
| ·本文结构安排 | 第17-19页 |
| 第2章 视觉选择注意机制 | 第19-29页 |
| ·视觉注意机制的生理基础 | 第19-22页 |
| ·人类视觉感知系统 | 第19-20页 |
| ·视觉感知信息处理 | 第20-22页 |
| ·视觉注意计算模型及研究现状 | 第22-28页 |
| ·视觉注意计算模型 | 第22-23页 |
| ·视觉注意计算模型的研究现状 | 第23-24页 |
| ·基于中心外周机制的自下而上显著性图 | 第24-26页 |
| ·基于任务引导的自上而下控制机制 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于视觉双向通路的疑似烟雾区域提取 | 第29-41页 |
| ·基于视觉双向通路的烟雾显著图概率模型 | 第30-37页 |
| ·基于灰度的自下而上概率显著图生成 | 第32-34页 |
| ·基于纹理的自上而下概率显著图生成 | 第34-37页 |
| ·运动显著性图 | 第37-40页 |
| ·基于卡尔曼滤波(KF)的动态背景生成 | 第38页 |
| ·改进的运动显著性图 | 第38-40页 |
| ·疑似烟雾区域提取 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于时空动态特征的烟雾识别 | 第41-51页 |
| ·烟雾的动态特征检测 | 第41-47页 |
| ·烟雾面积的扩散性 | 第42-43页 |
| ·烟雾区域的渐进模糊性 | 第43-44页 |
| ·烟雾轮廓不规则性 | 第44-46页 |
| ·烟雾的动态纹理特征 | 第46-47页 |
| ·贝叶斯网络模型的建立 | 第47-50页 |
| ·贝叶斯网络概述 | 第48页 |
| ·朴素贝叶斯分类器原理 | 第48-49页 |
| ·模型建立 | 第49-50页 |
| ·基于贝叶斯网络的烟雾识别 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于视觉注意与时空动态特征的烟雾检测试验分析 | 第51-60页 |
| ·基于 DM642 的林区火焰/烟雾智能无线监测系统的实现 | 第51-52页 |
| ·系统功能框架结构与实现 | 第51-52页 |
| ·系统硬件构成 | 第52页 |
| ·基于视觉注意双通路模型生成烟雾静态特征显著性图试验 | 第52-55页 |
| ·自下而上灰度显著图试验 | 第52-54页 |
| ·自上而下任务引导试验 | 第54-55页 |
| ·改进的运动显著性检测分析 | 第55-56页 |
| ·面向视频对象基于视觉注意的烟雾检测试验分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60-61页 |
| ·未来展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
