摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究工作的背景与意义 | 第11-12页 |
1.2 基于热红外图像的火灾识别的国内外研究历史与现状 | 第12-15页 |
1.3 本文的主要贡献与创新 | 第15-16页 |
1.4 本论文的结构安排 | 第16-17页 |
第二章 红外图像的采集系统和预处理 | 第17-25页 |
2.1 基于热红外图像的森林火灾识别系统设计 | 第17-21页 |
2.1.1 火灾识别硬件系统设计 | 第17-18页 |
2.1.2 系统低功耗功耗设计 | 第18-19页 |
2.1.2.1 红外图像采集系统功耗设计 | 第18-19页 |
2.1.2.2 烟雾温度采集系统功耗设计 | 第19页 |
2.1.3 红外图像火灾识别算法设计 | 第19-21页 |
2.2 利用帧间差分法判断是否存在火灾疑似区域 | 第21-22页 |
2.3 红外图像的降噪处理 | 第22-24页 |
2.4 本章小结 | 第24-25页 |
第三章 红外图像分割及平滑处理 | 第25-34页 |
3.1 图像分割算法 | 第25-30页 |
3.1.1 红外图像的阈值分割法 | 第25-28页 |
3.1.1.1 双峰法 | 第25-26页 |
3.1.1.2 Otus最大类间方差法的红外图像分割 | 第26-28页 |
3.1.2 区域生长法 | 第28-29页 |
3.1.3 基于红外图像的区域分割 | 第29-30页 |
3.2 火灾图像的形态学处理 | 第30-33页 |
3.2.1 膨胀 | 第31页 |
3.2.2 腐蚀 | 第31页 |
3.2.3 开操作与闭操作 | 第31-33页 |
3.3 本章小结 | 第33-34页 |
第四章 火灾疑似区域的特征提取 | 第34-50页 |
4.1 火焰疑似区域的几何特征提取 | 第34-38页 |
4.1.1 火焰面积 | 第34-35页 |
4.1.2 火焰周长 | 第35-36页 |
4.1.3 火焰圆形度 | 第36-37页 |
4.1.4 火焰边界粗糙度 | 第37页 |
4.1.5 火焰的尖角数 | 第37-38页 |
4.2 火焰疑似区域的纹理特征提取 | 第38-41页 |
4.3 火焰疑似区域的灰度直方图特征提取 | 第41-44页 |
4.3.1 直方图统计特征 | 第42-44页 |
4.3.1.1 火焰亮度特征 | 第42-43页 |
4.3.1.2 亮度的统计特征 | 第43-44页 |
4.4 火焰疑似区域的动态特征提取 | 第44-46页 |
4.4.1 面积变化率 | 第44-45页 |
4.4.2 质心位移 | 第45-46页 |
4.4.3 尖角个数变化剧烈程度 | 第46页 |
4.5 其他特征 | 第46-47页 |
4.6 特征分析 | 第47-48页 |
4.7 环境特征 | 第48-49页 |
4.8 本章小结 | 第49-50页 |
第五章 红外图像的火灾模式识别 | 第50-69页 |
5.1 测试数据集 | 第50页 |
5.2 火灾识别系统的性能评价 | 第50-53页 |
5.2.1 训练错误率 | 第51-52页 |
5.2.2 测试错误率 | 第52页 |
5.2.3 ROC曲线 | 第52-53页 |
5.3 基于支持向量机SVM的火灾识别 | 第53-57页 |
5.3.1 SVM理论基础 | 第53-57页 |
5.3.2 SVM火灾识别模型的建立 | 第57页 |
5.4 AdaBoost算法的原理和火灾识别建模 | 第57-59页 |
5.5 山火识别仿真及分析 | 第59-65页 |
5.5.1 SVM山林火灾识别仿真 | 第59-62页 |
5.5.1.1 采用不同归一化方式的对比 | 第59页 |
5.5.1.2 采用不同核函数的对比 | 第59-60页 |
5.5.1.3 交叉验证选择最佳参数 | 第60-62页 |
5.5.2 AdaBoost山林火灾识别仿真 | 第62-63页 |
5.5.3 两种算法的融合的仿真及分析 | 第63-65页 |
5.6 现场安装效果及软件运行结果 | 第65-67页 |
5.7 本章小结 | 第67-69页 |
第六章 全文总结与展望 | 第69-71页 |
6.1 全文总结 | 第69-70页 |
6.2 后续工作展望 | 第70-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-75页 |
攻读硕士学位期间取得的成果 | 第75-76页 |