复杂背景下基于视频图像的火灾识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景和意义 | 第8页 |
| 1.2 传统火灾识别 | 第8-10页 |
| 1.2.1 火灾的产生机理与起火过程 | 第9-10页 |
| 1.2.2 常用的火灾探测器 | 第10页 |
| 1.3 基于视频图像的火灾识别技术 | 第10-13页 |
| 1.3.1 国内外研究现状 | 第11-12页 |
| 1.3.2 火灾识别技术的发展方向 | 第12-13页 |
| 1.4 本文的主要内容和章节安排 | 第13-14页 |
| 第2章 基于视频图像火灾识别技术理论基础 | 第14-30页 |
| 2.1 系统结构概述 | 第14-15页 |
| 2.2 图像色彩模型 | 第15-19页 |
| 2.2.1 色彩空间基本原理 | 第15-18页 |
| 2.2.2 火焰颜色模型 | 第18页 |
| 2.2.3 色彩空间的选择 | 第18-19页 |
| 2.3 图像形态学 | 第19-22页 |
| 2.4 图像分割 | 第22-25页 |
| 2.5 小波分析 | 第25-30页 |
| 2.5.1 基本概念 | 第26页 |
| 2.5.2 连续小波变换 | 第26-27页 |
| 2.5.3 离散小波变换 | 第27页 |
| 2.5.4 多尺度分析 | 第27-30页 |
| 第3章 基于灰度共生矩阵和小波变换的火灾识别 | 第30-47页 |
| 3.1 算法概述 | 第30-31页 |
| 3.2 火焰区域分割 | 第31-34页 |
| 3.2.1 基于HSI空间模型的色彩相关度 | 第31-34页 |
| 3.2.2 改进的区域生长分割算法 | 第34页 |
| 3.3 火焰纹理特征提取 | 第34-41页 |
| 3.3.1 基于灰度共生矩阵的特征提取 | 第34-38页 |
| 3.3.2 基于灰度共生矩阵的特征分析 | 第38-41页 |
| 3.4 火焰边缘特征提取 | 第41-43页 |
| 3.4.1 基于小波变换的特征提取 | 第41-42页 |
| 3.4.2 基于小波变换的特征分析 | 第42-43页 |
| 3.5 实验与结果分析 | 第43-46页 |
| 3.5.1 实验数据库 | 第43-45页 |
| 3.5.2 实验过程与结果 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于卷积神经网络的火灾识别 | 第47-57页 |
| 4.1 卷积神经网络概述 | 第47-48页 |
| 4.2 火灾识别卷积神经网络结构搭建 | 第48-52页 |
| 4.3 实验结果分析 | 第52-55页 |
| 4.3.1 算法实现工具 | 第52-53页 |
| 4.3.2 模型参数分析 | 第53-55页 |
| 4.3.3 网络运行效果 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
