| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 本课题研究背景 | 第8-10页 |
| 1.2 视频火灾烟雾的研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 本文主要研究内容与方法 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-15页 |
| 第二章 运动目标检测 | 第15-23页 |
| 2.1 火灾烟雾视频图像去噪预处理 | 第15-17页 |
| 2.2 运动目标提取 | 第17-19页 |
| 2.2.1 帧间差分法 | 第17页 |
| 2.2.2 光流法 | 第17-18页 |
| 2.2.3 背景减除法 | 第18-19页 |
| 2.3 疑似烟雾区域的提取 | 第19-22页 |
| 2.3.1 基于高斯混合建模的背景减除法 | 第19-20页 |
| 2.3.2 颜色模型 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 烟雾静态纹理特征 | 第23-35页 |
| 3.1 局部二值模式（LBP） | 第23-26页 |
| 3.2 改进的局部二进制模式 | 第26-27页 |
| 3.3 局部二值模式的方差表示 (LBPV) | 第27-28页 |
| 3.4 纹理特征提取 | 第28-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 烟雾运动特征 | 第35-47页 |
| 4.1 光流分析 | 第35-39页 |
| 4.1.1 光流计算的基本原理 | 第35-36页 |
| 4.1.2 Horn&Schunck光流场计算方法 | 第36-38页 |
| 4.1.3 Lucas&Kanada光流计算方法 | 第38-39页 |
| 4.2 本文光流算法 | 第39-46页 |
| 4.2.1 分块算法 | 第40页 |
| 4.2.2 基于高斯金字塔的Lucas&Kanada光流计算 | 第40-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 支持向量机在烟雾视频图像识别中的应用 | 第47-62页 |
| 5.1 支持向量机简介 | 第47-53页 |
| 5.1.1 最优分类超平面 | 第47-48页 |
| 5.1.2 线性可分 | 第48-50页 |
| 5.1.3 线性不可分 | 第50-53页 |
| 5.2 核函数 | 第53-54页 |
| 5.3 支持向量机参数的选择 | 第54-55页 |
| 5.4 实验室结果与分析 | 第55-59页 |
| 5.5 视频烟雾识别的综合分析 | 第59-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 发表论文和参加科研情况 | 第68-69页 |
| 致谢 | 第69-70页 |