摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第一章 绪论 | 第9-22页 |
·大空间早期火灾自动探测的必要性及其原理 | 第9-10页 |
·大空间早期火灾检测的必要性 | 第9页 |
·早期火灾自动检测的基本原理 | 第9-10页 |
·传统火灾自动检测和识别技术的发展现状 | 第10-13页 |
·传统的自动火灾检测技术的研究现状 | 第11-12页 |
·传统的火灾信号数据处理方法的研究现状 | 第12-13页 |
·基于数字图像处理的大空间早期火灾检测与识别技术的研究现状 | 第13-19页 |
·图像型大空间早期火灾检测和识别技术的优势及面临的主要问题 | 第13-15页 |
·早期火灾火焰的主要视觉特性 | 第15-16页 |
·基于数字图像处理的大空间早期火焰自动检测和识别技术的研究现状 | 第16-19页 |
·本文的主要研究内容和技术路线 | 第19-22页 |
·本文的主要研究内容 | 第19-20页 |
·技术路线 | 第20-22页 |
第二章 监控视频图像的预处理 | 第22-37页 |
·引言 | 第22页 |
·数字图像的色彩空间模型 | 第22-27页 |
·RGB 色彩空间模型 | 第22-23页 |
·HSI 色彩空间模型 | 第23-26页 |
·监控视频图像的灰度化 | 第26-27页 |
·监控视频图像的对比度增强处理 | 第27-30页 |
·监控视频图像的灰度变换处理 | 第27-28页 |
·监控视频图像的直方图修正处理 | 第28-30页 |
·监控视频图像的平滑滤波处理 | 第30-35页 |
·数字图像处理技术中的常见噪声 | 第30-31页 |
·基于空间域滤波的监控视频图像平滑处理 | 第31-35页 |
·本章小结 | 第35-37页 |
第三章 监控视频图像分割和可疑火焰目标区域检测 | 第37-63页 |
·引言 | 第37-38页 |
·基于单一空间域处理的数字图像分割技术 | 第38-44页 |
·基于空间域-时间域联合图像分割处理的可疑火焰目标区域检测 | 第44-54页 |
·运动目标检测的基本思想和主要方法 | 第44-45页 |
·基于帧间差分法的可疑火焰目标区域检测 | 第45-47页 |
·基于高斯混合背景建模的可疑火焰目标区域检测 | 第47-54页 |
·火焰像素颜色决策加权判断 | 第54-56页 |
·基于火焰频闪特性的可疑火焰目标区域检测模型 | 第56-59页 |
·火焰二值分割图像形态学后处理 | 第59-62页 |
·腐蚀和膨胀运算 | 第59-60页 |
·开启和闭合运算 | 第60-62页 |
·本章小结 | 第62-63页 |
第四章 火焰图像分割区域的表示与特征描述 | 第63-89页 |
·引言 | 第63-64页 |
·火焰二值图像的测量 | 第64-70页 |
·相邻像素、邻接性、连通性、区域和边界 | 第64-66页 |
·火焰二值图像连通区域的标记 | 第66-68页 |
·火焰二值图像区域的外部边界跟踪 | 第68-70页 |
·火焰图像静态视觉特性的描述和提取 | 第70-83页 |
·火焰区域颜色特征的描述和提取 | 第71-73页 |
·火焰区域纹理特征的描述和提取 | 第73-81页 |
·火焰区域形状特征的描述和提取 | 第81-83页 |
·火焰图像动态视觉特性的描述和提取 | 第83-87页 |
·火焰区域的面积变化率 | 第83-85页 |
·火焰区域的形体相似度 | 第85-87页 |
·本章小结 | 第87-89页 |
第五章 基于 BP 神经网络的火灾模式识别 | 第89-102页 |
·引言 | 第89页 |
·人工神经网络及其在火灾自动探测与识别技术中的应用 | 第89-91页 |
·基于 BP 神经网络的图像型火灾智能识别系统设计 | 第91-93页 |
·火灾图像特征输入信号和输出信号 | 第91页 |
·火焰图像识别的 BP 神经网络结构设计 | 第91-93页 |
·仿真实验与结果分析 | 第93-101页 |
·学习和训练样本的选择 | 第93-95页 |
·MATLAB 仿真实验及结果分析 | 第95-101页 |
·本章小结 | 第101-102页 |
第六章 论文总结与工作展望 | 第102-105页 |
·论文主要工作 | 第102-103页 |
·论文主要创新点 | 第103页 |
·课题展望 | 第103-105页 |
参考文献 | 第105-111页 |
个人简历 在读期间发表的学术论文 | 第111-112页 |
致谢 | 第112页 |