炉内火焰图像特征提取关键技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 文献综述 | 第10-14页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 图像特征提取技术研究 | 第11-13页 |
| 1.2.3 图像聚类技术研究 | 第13-14页 |
| 1.3 课题研究意义 | 第14-15页 |
| 1.4 论文的主要工作 | 第15页 |
| 1.5 论文的组织结构 | 第15-17页 |
| 2 炉内火焰图像的采集及其预处理 | 第17-24页 |
| 2.1 火焰图像的采集 | 第17-18页 |
| 2.2 火焰图像预处理 | 第18-21页 |
| 2.3 火焰图像的特征参数 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 分层显著点炉内火焰图像特征提取算法 | 第24-35页 |
| 3.1 显著点的提取方法 | 第24页 |
| 3.2 小波变换提取显著点 | 第24-27页 |
| 3.3 分层显著点特征提取算法 | 第27-32页 |
| 3.3.1 分层显著点提取 | 第27-30页 |
| 3.3.2 显著点特征提取 | 第30-32页 |
| 3.4 实验结果及分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于改进的分层显著点火焰图像特征提取算法 | 第35-51页 |
| 4.1 BDIP图像提取 | 第35-38页 |
| 4.2 基于BDIP的显著点提取方法 | 第38-41页 |
| 4.2.1 迭代选择阈值提取算法 | 第38-40页 |
| 4.2.2 一种自适应的提取算法 | 第40-41页 |
| 4.3 改进的分层显著点提取算法 | 第41-46页 |
| 4.4 实验结果及分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 一种分层自适应快速K-means 聚类算法 | 第51-61页 |
| 5.1 K-means聚类算法 | 第51-53页 |
| 5.2 分层自适应快速K-means聚类算法 | 第53-57页 |
| 5.2.1 聚类准则函数 | 第53-54页 |
| 5.2.2 聚类算法 | 第54-57页 |
| 5.3 实验结果及分析 | 第57-60页 |
| 5.3.1 算法性能评价 | 第57-58页 |
| 5.3.2 实验结果分析 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 在学研究成果 | 第68-69页 |
| 致谢 | 第69页 |
