基于火焰特征的明火火灾识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 船舶火灾的原因、种类及特点 | 第14-15页 |
| 1.2.1 船舶火灾的种类以及原因 | 第14页 |
| 1.2.2 船舶火灾特点 | 第14-15页 |
| 1.2.3 典型船舶火灾事故及原因 | 第15页 |
| 1.3 火灾报警系统研究现状及其发展趋势 | 第15-18页 |
| 1.3.1 火灾报警系统的研究现状 | 第15-17页 |
| 1.3.2 火灾报警系统的发展趋势 | 第17-18页 |
| 1.4 论文的研究内容以及章节安排 | 第18-19页 |
| 第2章 基于RGB -HSI颜色模型的图像分割 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 图像预处理 | 第19-21页 |
| 2.2.1 直方图均衡化 | 第19-20页 |
| 2.2.2 中值滤波 | 第20-21页 |
| 2.3 数字图像的色彩空间模型 | 第21-29页 |
| 2.3.1 RGB色彩空间模型 | 第21-23页 |
| 2.3.2 HSI色彩空间模型 | 第23-26页 |
| 2.3.3 HSV色彩空间模型 | 第26-28页 |
| 2.3.4 YUV色彩空间模型 | 第28页 |
| 2.3.5 YCbCr色彩空间模型 | 第28-29页 |
| 2.4 火焰颜色模型 | 第29-31页 |
| 2.4.1 基于RGB颜色空间模型的火焰颜色模型 | 第29-30页 |
| 2.4.2 基于HSI颜色空间模型的火焰模型 | 第30-31页 |
| 2.5 火焰区域的分割结果 | 第31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 火焰图像特征的提取方法 | 第33-53页 |
| 3.1 引言 | 第33页 |
| 3.2 火焰二值图像的测量 | 第33-39页 |
| 3.2.1 相邻像素、邻接性、连通性、区域和边界 | 第33-36页 |
| 3.2.2 火焰二值图像连通区域的标记 | 第36页 |
| 3.2.3 火焰二值图像区域的外部边界跟踪 | 第36-39页 |
| 3.3 火焰图像颜色特征提取方法 | 第39-42页 |
| 3.3.1 颜色直方图 | 第39-40页 |
| 3.3.2 累积直方图 | 第40页 |
| 3.3.3 颜色矩 | 第40-42页 |
| 3.4 火焰图像形状特征的描述和提取 | 第42-48页 |
| 3.4.1 周长 | 第42-43页 |
| 3.4.2 面积 | 第43-44页 |
| 3.4.3 矩形度 | 第44-45页 |
| 3.4.4 圆形度 | 第45-46页 |
| 3.4.5 球形性 | 第46页 |
| 3.4.6 偏心率 | 第46-48页 |
| 3.5 火焰图像纹理特征的描述和提取 | 第48-52页 |
| 3.5.1 灰度共生矩阵的表达方法 | 第48-49页 |
| 3.5.2 灰度共生矩阵计算 | 第49-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第4章 基于支持向量机的火灾识别 | 第53-69页 |
| 4.1 引言 | 第53页 |
| 4.2 支持向量机理论 | 第53-60页 |
| 4.2.1 统计学习理论 | 第54-55页 |
| 4.2.2 支持向量机原理 | 第55-58页 |
| 4.2.3 支持向量机核函数 | 第58-60页 |
| 4.3 LIBSVM | 第60-65页 |
| 4.3.1 简介 | 第60页 |
| 4.3.2 使用LIBSVM注意事项 | 第60-61页 |
| 4.3.3 LIBSVM参数简介 | 第61-63页 |
| 4.3.4 LIBSVM算法主要函数 | 第63-64页 |
| 4.3.5 实验测试 | 第64-65页 |
| 4.4 粒子群优化算法 | 第65-67页 |
| 4.4.1 概述 | 第65页 |
| 4.4.2 粒子群优化算法流程 | 第65-67页 |
| 4.5 本章小结 | 第67-69页 |
| 总结 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77页 |
