| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 图像型火灾探测技术发展现状 | 第12-14页 |
| 1.2.2 人工神经网络在火灾检测技术中的应用 | 第14-15页 |
| 1.3 早期火灾检测系统的构成及其关键技术 | 第15-16页 |
| 1.4 本课题的主要研究内容 | 第16-19页 |
| 第二章 基于视频的火灾检测技术基础 | 第19-33页 |
| 2.1 图像的预处理技术 | 第19-23页 |
| 2.1.1 图像颜色模型及彩色空间转换 | 第19-22页 |
| 2.1.2 图像形态学处理 | 第22-23页 |
| 2.2 图像特征提取技术 | 第23-29页 |
| 2.2.1 图像的几何特征 | 第23-25页 |
| 2.2.2 图像的形状特征 | 第25-27页 |
| 2.2.3 小波特征提取 | 第27-29页 |
| 2.3 图像分类识别技术 | 第29-31页 |
| 2.4 本章小节 | 第31-33页 |
| 第三章 火灾视频的预处理技术 | 第33-47页 |
| 3.1 火灾图像的滤波 | 第33-36页 |
| 3.1.1 均值滤波 | 第33-34页 |
| 3.1.2 维纳滤波 | 第34页 |
| 3.1.3 中值滤波 | 第34-36页 |
| 3.2 火灾图像前景目标的提取 | 第36-37页 |
| 3.3 火灾检测背景模型建立 | 第37-42页 |
| 3.3.1 模型法 | 第37-38页 |
| 3.3.2 非模型法 | 第38-39页 |
| 3.3.3 带有更新机制的统计中值法 | 第39-42页 |
| 3.4 目标区域连通域的提取 | 第42-45页 |
| 3.4.1 像素的连通性 | 第42-44页 |
| 3.4.2 游程长度编码 | 第44-45页 |
| 3.4.3 最大连通域提取 | 第45页 |
| 3.5 本章小节 | 第45-47页 |
| 第四章 火灾火焰的颜色特征提取 | 第47-59页 |
| 4.1 特征提取的原则 | 第47-48页 |
| 4.2 现有火灾火焰颜色特征的不足 | 第48-49页 |
| 4.3 亮度—红色饱和度特性 | 第49-57页 |
| 4.3.1 颜色特征推导过程 | 第50-52页 |
| 4.3.2 实验结果 | 第52-55页 |
| 4.3.3 火灾火焰颜色特征的提出与应用 | 第55-57页 |
| 4.4 火焰颜色特征扩展 | 第57-58页 |
| 4.5 本章小节 | 第58-59页 |
| 第五章 火灾火焰的形态特征提取 | 第59-77页 |
| 5.1 火焰边界提取 | 第59-64页 |
| 5.1.1 边缘提取经典算法 | 第59页 |
| 5.1.2 基于小波的边缘检测算法 | 第59-60页 |
| 5.1.3 基于Contourlet变换的火焰边缘检测 | 第60-64页 |
| 5.2 火灾火焰面积变化特征 | 第64-67页 |
| 5.3 火焰区域边缘—质心综合特征 | 第67-73页 |
| 5.3.1 特征提出 | 第67-69页 |
| 5.3.2 特征计算 | 第69-72页 |
| 5.3.3 可行性验证 | 第72-73页 |
| 5.4 基于最近邻分类法验证火焰形态特征 | 第73-76页 |
| 5.5 本章小节 | 第76-77页 |
| 第六章 火灾火焰识别与系统整体构建 | 第77-85页 |
| 6.1 火灾火焰特征的综合 | 第77页 |
| 6.2 基于BP神经网络的火灾火焰识别 | 第77-81页 |
| 6.3 整体系统构建与测试 | 第81-84页 |
| 6.3.1 系统软件设计 | 第81-82页 |
| 6.3.2 系统仿真平台 | 第82-83页 |
| 6.3.3 系统测试结果及分析 | 第83-84页 |
| 6.4 本章小节 | 第84-85页 |
| 第七章 结论与展望 | 第85-87页 |
| 7.1 本文工作总结 | 第85-86页 |
| 7.2 进一步的研究工作 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 攻读硕士学位期间发表论文情况 | 第93-95页 |
| 致谢 | 第95页 |