基于视频图像的火灾烟雾检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 传统火灾探测技术简析 | 第13-15页 |
| 1.2.1 传统火灾探测技术的原理及类别 | 第13-14页 |
| 1.2.2 传统火灾探测技术的不足之处 | 第14-15页 |
| 1.3 基于视频图像处理的火灾探测技术 | 第15-18页 |
| 1.3.1 图像型火灾探测技术的发展现状 | 第15-17页 |
| 1.3.2 图像型火灾探测技术的优势 | 第17-18页 |
| 1.4 论文的主要研究内容及章节安排 | 第18-20页 |
| 1.4.1 论文的主要研究内容 | 第18页 |
| 1.4.2 论文的章节安排 | 第18-20页 |
| 第2章 运动目标区域的检测 | 第20-30页 |
| 2.1 运动目标检测概述 | 第20-21页 |
| 2.2 静态背景下运动目标检测的基本方法 | 第21-25页 |
| 2.2.1 帧间差分法 | 第21-22页 |
| 2.2.2 光流法 | 第22-24页 |
| 2.2.3 背景减除法 | 第24-25页 |
| 2.3 基于混合高斯模型的疑烟区域检测 | 第25-29页 |
| 2.3.1 混合高斯背景模型 | 第26-28页 |
| 2.3.2 运动目标区域检测效果 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 火灾烟雾图像特征的提取 | 第30-44页 |
| 3.1 烟雾的静态特征 | 第30-37页 |
| 3.1.1 烟雾像素的颜色特征 | 第30-35页 |
| 3.1.2 烟雾像素的凸形度特征 | 第35-37页 |
| 3.2 烟雾的动态特征 | 第37-43页 |
| 3.2.1 烟雾运动的扩散性特征 | 第37-39页 |
| 3.2.2 烟雾形状的不规则性特征 | 第39-40页 |
| 3.2.3 烟雾运动使背景变模糊性特征 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于BP神经网络的烟雾图像特征融合和判别 | 第44-56页 |
| 4.1 BP神经网络 | 第44-49页 |
| 4.1.1 人工神经元模型的简单介绍 | 第44-46页 |
| 4.1.2 BP神经网络的基本结构 | 第46页 |
| 4.1.3 BP神经网络的自学习过程 | 第46-48页 |
| 4.1.4 BP神经网络的特点及其优势 | 第48-49页 |
| 4.2 基于BP神经网络烟雾检测的设计 | 第49-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第5章 烟雾检测结果与分析 | 第56-64页 |
| 5.1 试验环境 | 第56页 |
| 5.2 烟雾试验样本测试结果 | 第56-59页 |
| 5.3 烟雾试验样本数据分析 | 第59-62页 |
| 5.4 本章小结 | 第62-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间所发表的学术论文及科研成果 | 第70-72页 |
| 致谢 | 第72-73页 |
| 详细摘要 | 第73-77页 |
