摘要 | 第1-5页 |
Abstract | 第5-10页 |
1 绪论 | 第10-17页 |
·引言 | 第10页 |
·课题研究的背景与意义 | 第10-12页 |
·国内外研究现状和发展趋势 | 第12-15页 |
·森林火灾监测技术研究现状 | 第12-13页 |
·火灾图像监测技术研究现状 | 第13-14页 |
·卫星监测技术研究现状 | 第14-15页 |
·本文的研究方法及结构 | 第15-17页 |
2 森林火灾及图像特征概述 | 第17-27页 |
·森林火灾分析 | 第17-19页 |
·火灾燃烧现象 | 第17-18页 |
·森林火灾的特征 | 第18-19页 |
·视频图像特征概述 | 第19-21页 |
·颜色特征 | 第19-20页 |
·纹理特征 | 第20-21页 |
·形态特征 | 第21页 |
·视频图像处理方法的概述 | 第21-24页 |
·模式识别 | 第22页 |
·图像模式识别的主要内容 | 第22-24页 |
·图像处理在森林火灾监测中的应用 | 第24-26页 |
·图像处理的硬件条件 | 第24-25页 |
·图像处理方法的研究内容 | 第25-26页 |
·本章小结 | 第26-27页 |
3 森林火灾图像的预处理 | 第27-38页 |
·森林火灾图像的获取 | 第27页 |
·森林火灾图像的预识别 | 第27-29页 |
·基于颜色的火预识别 | 第27-28页 |
·基于模板匹配的烟雾监测预识别 | 第28-29页 |
·森林火灾预识别基本流程 | 第29页 |
·图像滤波 | 第29-37页 |
·图像中值滤波的经典标准算法 | 第30-32页 |
·一种改进型图像中值滤波算法 | 第32-34页 |
·实验结果与分析 | 第34-37页 |
·本章小结 | 第37-38页 |
4 森林火灾视频图像特征提取的算法研究 | 第38-58页 |
·特征提取的原则 | 第38-39页 |
·森林火灾视频图像的颜色特征 | 第39-45页 |
·颜色特征的定义 | 第39页 |
·基于像素点的红色比重值的颜色判别 | 第39-40页 |
·基于RGB 颜色模型的判别 | 第40-41页 |
·基于颜色矩的HSI 颜色模型特征判别 | 第41-44页 |
·算法的实验与结果分析 | 第44-45页 |
·森林火灾视频图像的纹理特征 | 第45-49页 |
·灰度共生矩阵的表示 | 第45-46页 |
·基于灰度共生矩阵的统计特征 | 第46-47页 |
·算法的实验与结果分析 | 第47-49页 |
·森林火灾视频图像的形体变化特征 | 第49-53页 |
·质心特征 | 第50页 |
·形状相似特征 | 第50-52页 |
·圆形度特征 | 第52-53页 |
·森林火灾视频图像的动态特征 | 第53-56页 |
·烟火中心相对移动速率 | 第53-54页 |
·烟火面积相对变化速率 | 第54-55页 |
·烟火外沿飘动轨迹 | 第55页 |
·算法的实验与结果分析 | 第55-56页 |
·本章小结 | 第56-58页 |
5 基于支持向量机系统模型的建立 | 第58-67页 |
·模式识别理论及发展 | 第58-59页 |
·支持向量机及其分类原理 | 第59-63页 |
·线性支撑矢量机(Linear SVM) | 第59-60页 |
·非线性支撑矢量机(Non-linear SVM) | 第60-62页 |
·不完全分类 | 第62-63页 |
·支持向量机模型参数的选择 | 第63-65页 |
·误差惩罚参数C 的影响 | 第63-64页 |
·高斯核参数的影响 | 第64-65页 |
·支持向量机模型的建立 | 第65-66页 |
·SVM 学习算法步骤 | 第65页 |
·基于SVM 的图像分类体系结构 | 第65-66页 |
·本章小结 | 第66-67页 |
6 基于支持向量机的森林烟火远程识别系统 | 第67-78页 |
·火灾识别系统 | 第67-68页 |
·输入信号 | 第67页 |
·输出信号和样本学习 | 第67-68页 |
·分类器的构造 | 第68页 |
·样本训练 | 第68页 |
·基于支持向量机的烟火视频图像识别的实验 | 第68-69页 |
·基于视频的森林烟火识别的系统设计与实现 | 第69-77页 |
·系统原理 | 第69-70页 |
·系统的结构 | 第70-73页 |
·基于视频森林烟火识别的试验与测试 | 第73-77页 |
·本章小结 | 第77-78页 |
结论与讨论 | 第78-80页 |
参考文献 | 第80-85页 |
个人简介 | 第85-86页 |
导师简介 | 第86-87页 |
致谢 | 第87页 |