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DM642/IPM0D和图像分析的林区火焰智能检测技术研究

摘要第1-6页
ABSTRACT第6-11页
第1章 绪论第11-19页
   ·课题的研究背景及意义第11-12页
   ·国内外的研究现状第12-15页
     ·火焰的视觉特征第12-13页
     ·火焰检测算法研究现状第13-15页
   ·研究的主要内容、重难点及创新点第15-17页
   ·本文火焰检测算法流程第17-18页
   ·论文结构安排第18-19页
第2章 图像处理的基本知识第19-28页
   ·图像颜色模型及分辨率第19-20页
   ·小波变换基本理论第20-22页
     ·小波分析概述第20页
     ·小波分解第20-22页
   ·隐Markov基本理论第22-26页
     ·隐Markov模型介绍第22-23页
     ·隐Markov模型定义第23页
     ·隐Markov模型应用第23-24页
     ·评估隐Markov模型的前向-后向算法第24-26页
   ·贝叶斯网络基本理论第26-27页
     ·贝叶斯网络概述第26页
     ·朴素贝叶斯分类器原理第26-27页
   ·本章小结第27-28页
第3章 基于火焰颜色-运动特征的目标区域检测第28-36页
   ·开放环境下的火焰颜色检测模型第28-32页
     ·传统的火焰颜色模型第28-29页
     ·修正后的火焰颜色模型第29-32页
   ·改进的卡尔曼滤波的火焰运动检测模型第32-34页
     ·基于卡尔曼滤波的运动检测第32-33页
     ·基于改进的卡尔曼滤波的运动检测---运动累积第33-34页
   ·图像融合及目标区域提取第34-35页
   ·本章小结第35-36页
第4章 基于视频图像的火焰动态特征检测第36-46页
   ·火焰蔓延率模型第36-37页
   ·火焰质心模型第37-38页
   ·基于空域小波分析的火焰纹理特征模型第38-40页
   ·基于隐Markov和时域小波分析的火焰轮廓抖动性模型第40-45页
     ·火焰轮廓抖动性的小波表达第40-41页
     ·基于像素隐Markov轮廓抖动模型的建立第41-43页
     ·并行隐Markov轮廓抖动模型的应用第43-45页
   ·本章小结第45-46页
第5章 基于贝叶斯网络的火焰动态模式识别第46-53页
   ·贝叶斯网络模型的建立第46-50页
     ·朴素贝叶斯分类器模型的建立第46-48页
       ·分类器模型结构第46-47页
       ·模型的参数确定及综合决策第47-48页
     ·基于Parzen窗的先验概率密度估计第48-50页
       ·Parzen窗的数学模型第48-49页
       ·基于Parzen窗的子结点先验概率估计第49-50页
   ·基于贝叶斯网络模型的火焰识别第50-52页
   ·本章小结第52-53页
第6章 系统实现及试验结果分析第53-73页
   ·基于DM642/IP的林区火焰检测系统的实现第53-59页
     ·系统功能框架结构与实现第53-54页
     ·系统硬件构成第54-55页
     ·DSP模块软件框架第55-58页
       ·DSP/BIOS的配置第55-56页
       ·图像采集模块第56页
       ·图像处理模块第56-57页
       ·控制模块第57-58页
       ·图像显示模块第58页
     ·IP模块软件框架第58-59页
   ·火焰识别的试验结果及分析第59-67页
     ·火焰颜色与运动检测第59-60页
     ·图像融合及目标区域提取第60-61页
     ·动态特征提取及分析第61-67页
       ·面积蔓延率特征第61-62页
       ·质心变化特征第62-63页
       ·动态纹理特征第63页
       ·轮廓抖动性特征第63-67页
   ·基于贝叶斯网络的综合判定结果及分析第67-69页
   ·火焰算法总体流程检测结果第69-70页
   ·监控中心火焰预警结果及分析第70-72页
   ·本章小结第72-73页
第7章 总结与展望第73-75页
   ·工作总结第73-74页
   ·未来展望第74-75页
致谢第75-76页
参考文献第76-79页
附录第79页

论文共79页,点击 下载论文
上一篇:RFID系统的防碰撞算法研究
下一篇:一体化摄像机中自动聚焦技术的研究与实现