首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于红外热成像的火灾检测算法研究

摘要第5-6页
ABSTRACT第6页
目录第7-10页
第一章 绪论第10-17页
    1.1 引言第10页
    1.2 研究背景第10-11页
    1.3 研究状况第11-15页
        1.3.1 传统火灾探测器及其缺点第11-12页
        1.3.2 图像型火灾探测器的研究状况第12-13页
        1.3.3 图像型火灾探测器的火灾检测算法研究状况第13-15页
    1.4 本论文主要研究的内容第15-17页
第二章 火灾红外图像的特点第17-29页
    2.1 红外热成像第17-21页
        2.1.1 红外辐射理论第17-18页
        2.1.2 红外热成像系统第18-20页
        2.1.3 红外图像的特点第20-21页
    2.2 火灾过程的物理现象第21-23页
        2.2.1 火灾的发展过程第21-22页
        2.2.2 火灾的热物理现象第22-23页
    2.3 火灾红外图像特性第23-27页
        2.3.1 温度特性第23-24页
        2.3.2 圆形度第24页
        2.3.3 面积变化特性第24-25页
        2.3.4 整体移动性和相对稳定性第25页
        2.3.5 相关特性第25-26页
        2.3.6 边缘抖动性第26-27页
        2.3.7 闪烁特性第27页
    2.4 火灾红外图像特性的选取原则第27-28页
    2.5 本章小结第28-29页
第三章 火灾红外图像的处理第29-48页
    3.1 数字图像基础第29页
    3.2 火灾红外图像的增强第29-36页
        3.2.1 空间域图像增强第30-33页
        3.2.2 频域图像增强第33-36页
    3.3 火灾红外图像的分割第36-39页
        3.3.1 帧差法第36页
        3.3.2 背景差分法第36-39页
    3.4 火灾红外图像的特征提取第39-46页
        3.4.1 火灾疑似区域的提取第39-40页
        3.4.2 圆形度的提取第40-41页
        3.4.3 面积的提取第41-42页
        3.4.4 中心的提取第42-44页
        3.4.5 相关系数的提取第44页
        3.4.6 边缘抖动的提取第44-46页
    3.5 本章小结第46-48页
第四章 火灾红外图像的模式识别第48-59页
    4.1 模式识别的概念第48页
    4.2 火灾识别方法的选择第48-50页
    4.3 支持向量机理论第50-53页
        4.3.1 统计学习理论第50页
        4.3.2 支持向量机第50-53页
    4.4 基于支持向量机的火灾识别第53-58页
        4.4.1 火灾特征的处理第54-55页
        4.4.2 火灾训练样本的选取第55-58页
    4.5 本章小结第58-59页
第五章 测试与结果分析第59-68页
    5.1 硬件平台第59-61页
    5.2 软件平台第61页
    5.3 火灾识别系统的性能评价第61-63页
    5.4 测试结果及其分析第63-67页
    5.5 本章小结第67-68页
总结与展望第68-69页
参考文献第69-73页
攻读硕士学位期间取得的研究成果第73-74页
致谢第74-75页
附件第75页

论文共75页,点击 下载论文
上一篇:基于MFC的心肌缺血辅助检测系统的心电信息管理
下一篇:基于光纤光栅传感器的钢轨动静态应变监测研究