| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 引言 | 第8-25页 |
| ·林火监测技术发展现状 | 第8-13页 |
| ·国外林火监测技术发展现状 | 第8-10页 |
| ·国内林火监测技术发展现状 | 第10-13页 |
| ·林火图像识别技术研究现状 | 第13-17页 |
| ·国外林火图像识别技术研究现状 | 第13-14页 |
| ·国内林火图像识别技术研究现状 | 第14-17页 |
| ·林火监测识别研究现状评述与问题的提出 | 第17-18页 |
| ·研究目标与研究内容 | 第18-20页 |
| ·研究的目的与意义 | 第18-19页 |
| ·研究内容 | 第19-20页 |
| ·研究方法与技术路线 | 第20-22页 |
| ·研究方法 | 第20-21页 |
| ·技术路线 | 第21-22页 |
| ·基于视频图像的林火烟雾识别研究总体构想 | 第22-23页 |
| ·本文内容组织 | 第23-25页 |
| 2 林火烟雾视频图像序列运动目标检测 | 第25-59页 |
| ·林火烟雾视频图像预处理 | 第25-27页 |
| ·图像去噪处理 | 第25-26页 |
| ·图像灰度化处理 | 第26-27页 |
| ·常用视频图像序列运动目标检测方法概述 | 第27-29页 |
| ·背景估计法 | 第28页 |
| ·帧间差分法 | 第28页 |
| ·光流场法 | 第28-29页 |
| ·林火烟雾视频图像序列运动目标检测算法研究 | 第29-57页 |
| ·样本准备 | 第29-41页 |
| ·基于帧间差分法的林火烟雾检测 | 第41-43页 |
| ·基于背景估计法的林火烟雾检测 | 第43-48页 |
| ·改进的背景估计法检测研究 | 第48-50页 |
| ·对比实验与分析 | 第50-54页 |
| ·改进的背景估计法结合色彩判断准则 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 3 基于PCNN的图像特征提取方法研究 | 第59-95页 |
| ·林火烟雾图像特征分析 | 第59-61页 |
| ·颜色特征 | 第59页 |
| ·形态与运动特征 | 第59-60页 |
| ·纹理特征 | 第60-61页 |
| ·常用林火烟雾图像纹理特征提取方法——灰度共生矩阵 | 第61-63页 |
| ·灰度共生矩阵(GLCM)概述 | 第61-63页 |
| ·灰度共生矩阵提取纹理特征的步骤 | 第63页 |
| ·脉冲耦合神经网络(PCNN) | 第63-70页 |
| ·PCNN基本模型 | 第63-66页 |
| ·PCNN图像处理的工作原理 | 第66-68页 |
| ·PCNN的特性分析 | 第68-69页 |
| ·PCNN在图像处理方面的应用 | 第69-70页 |
| ·基于PCNN的图像特征提取 | 第70-83页 |
| ·样本及处理 | 第70-73页 |
| ·PCNN参数设定与优化研究 | 第73-77页 |
| ·PCNN图像特征提取与特征序列的数学表达 | 第77-83页 |
| ·实验与分析 | 第83-94页 |
| ·支持向量机概述 | 第83-85页 |
| ·特征数据归一化及其对分类结果的影响 | 第85-88页 |
| ·三种特征数据构造方法的分类效果对比 | 第88-90页 |
| ·PCNN法与灰度共生矩阵法对比实验 | 第90-94页 |
| ·本章小结 | 第94-95页 |
| 4 林火烟雾图像识别中的模式分类器比较研究 | 第95-121页 |
| ·模式识别概述 | 第95-96页 |
| ·常用模式分类器概述 | 第96-104页 |
| ·BP神经网络概述 | 第96-99页 |
| ·自组织神经网络(SOM)概述 | 第99-102页 |
| ·概率神经网络概述 | 第102-104页 |
| ·分类器建模与对比实验 | 第104-120页 |
| ·林火烟雾图像特征数据说明 | 第104页 |
| ·交叉效度分析 | 第104页 |
| ·实验环境及其他说明 | 第104-105页 |
| ·BP神经网络分类器建模与实验 | 第105-112页 |
| ·自组织神经网络分类器建模与实验 | 第112-113页 |
| ·概率神经网络分类器建模与实验 | 第113-115页 |
| ·支持向量机分类器建模与实验 | 第115-116页 |
| ·分类器对比实验 | 第116-118页 |
| ·干扰物的进一步排除情况 | 第118-120页 |
| ·本章小结 | 第120-121页 |
| 5 森林火灾智能识别系统设计与实现 | 第121-133页 |
| ·系统设计 | 第121-122页 |
| ·系统结构 | 第121-122页 |
| ·功能设计 | 第122页 |
| ·开发工具选择 | 第122-124页 |
| ·建模工具MATLAB | 第123页 |
| ·图像处理与视觉函数库 | 第123页 |
| ·LIBSVM软件包 | 第123-124页 |
| ·系统功能界面 | 第124-129页 |
| ·工程应用情况 | 第129-132页 |
| ·本章小结 | 第132-133页 |
| 6 结论与展望 | 第133-138页 |
| ·结论 | 第133-136页 |
| ·展望 | 第136-138页 |
| 参考文献 | 第138-144页 |
| 个人简介 | 第144-145页 |
| 导师简介 | 第145-146页 |
| 第二导师简介 | 第146-147页 |
| 致谢 | 第147页 |