首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多模式图像的早期火灾识别方法研究

摘要第1-7页
Abstract第7-11页
第1章 绪论第11-22页
   ·引言第11-12页
   ·火灾探测技术国内外研究和发展情况第12-19页
     ·火灾探测第12-13页
     ·传统火灾探测技术的发展第13-17页
     ·图像型火灾识别技术现状与发展第17-19页
   ·研究背景及意义第19-21页
   ·论文安排第21-22页
第2章 多模式图像确定与硬件选择第22-30页
   ·图像模式第22-25页
     ·黑白图像模式第22-23页
     ·彩色图像模式第23页
     ·微光图像模式第23-24页
     ·红外热成像图像模式第24页
     ·多图像模式确定第24-25页
   ·硬件选择第25-28页
     ·摄像机选择第25-27页
     ·视频采集卡选择第27-28页
     ·其他硬件选择第28页
   ·硬件原理图与实物连接图第28-29页
   ·本章小结第29-30页
第3章 早期火灾火焰图像特征判据第30-37页
   ·火焰面积变化率特征第30页
   ·火焰圆形度特征第30-31页
   ·火焰图像相似性特征第31-32页
   ·火焰相对稳定性特征第32-33页
   ·火焰尖角特征第33-34页
   ·彩色火焰颜色特征第34-36页
   ·本章小结第36-37页
第4章 多模式早期火灾图像的预处理第37-50页
   ·早期火灾图像预处理方法第37-44页
     ·图像滤波第37-41页
     ·阈值分割第41-43页
     ·腐蚀和膨胀第43-44页
     ·去除小面积第44页
   ·多模式早期火灾图像预处理第44-46页
     ·黑白图像模式预处理第44-45页
     ·彩色图像模式预处理第45页
     ·主动红外微光图像模式预处理第45-46页
   ·多模式图像预处理过程的效果图第46-49页
   ·本章小结第49-50页
第5章 多模式早期火灾图像特征融合第50-58页
   ·多模式图像火焰特征值提取第50-51页
   ·多模式图像火焰特征融合第51-57页
     ·BP 神经网络原理第51-54页
     ·多模式图像火焰识别的 BP 神经网络构建第54页
     ·多模式图像火焰识别的 BP 神经网络计算第54-57页
   ·本章小结第57-58页
第6章 多模式早期火灾识别系统软件设计第58-64页
   ·软件界面设计第60-61页
   ·软件设计第61-63页
     ·主程序设计第61-62页
     ·动态检测子程序第62-63页
     ·火焰判断子程序第63页
   ·本章小结第63-64页
第7章 多模式早期火灾识别系统实验第64-66页
   ·多模式早期火灾识别系统白天实验第64-65页
   ·多模式早期火灾识别系统夜间实验第65页
   ·本章小结第65-66页
结论第66-67页
附录Ⅰ 尖角数量统计的实现代码第67-74页
附录Ⅱ 彩色图像色彩分割实现代码第74-78页
附录Ⅲ 最大类间方差法实现代码第78-80页
附录Ⅳ BP 神经网络训练实现代码第80-81页
参考文献第81-84页
致谢第84-85页
攻读硕士期间发表(含录用)的学术论文第85页

论文共85页,点击 下载论文
上一篇:基于Web的企业信息获取技术的研究与应用
下一篇:面向专利的动词框架库的构建及应用