森林火灾图像自动识别系统的研究与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 引言 | 第8-21页 |
| ·课题背景及意义 | 第8-9页 |
| ·森林火灾分析 | 第9-14页 |
| ·火灾的燃烧现象 | 第9-10页 |
| ·火灾图像信息分析 | 第10-13页 |
| ·林火图像的波谱特征 | 第13-14页 |
| ·火灾探测技术 | 第14-19页 |
| ·传统的火灾探测技术 | 第14-15页 |
| ·图像型火灾探测技术 | 第15-17页 |
| ·国内外研究现状 | 第17-19页 |
| ·本文研究内容和结构 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第2章 图像处理和图像识别基础理论 | 第21-41页 |
| ·图像颜色处理 | 第21-25页 |
| ·颜色空间模型 | 第21-23页 |
| ·直方图 | 第23-24页 |
| ·图像灰度化 | 第24-25页 |
| ·图像二值化 | 第25页 |
| ·图像增强 | 第25-28页 |
| ·图像平滑 | 第25-27页 |
| ·图像锐化 | 第27-28页 |
| ·图像分割 | 第28-34页 |
| ·阈值分割 | 第29页 |
| ·基于边缘检测分割 | 第29-33页 |
| ·基于区域分割 | 第33-34页 |
| ·特征空间聚类分割 | 第34页 |
| ·图像识别 | 第34-40页 |
| ·特征选择 | 第34-35页 |
| ·图像特征提取 | 第35-39页 |
| ·模式识别方法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 火灾图像处理 | 第41-48页 |
| ·图像滤波 | 第41-42页 |
| ·火焰彩色图像分割 | 第42-46页 |
| ·选取颜色空间 | 第42-43页 |
| ·火焰图像分割算法 | 第43-46页 |
| ·边界提取和轮廓跟踪 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 火灾图像的特征提取及识别算法 | 第48-61页 |
| ·火焰图像特征提取 | 第48-52页 |
| ·颜色特征提取 | 第48-49页 |
| ·形状特征提取 | 第49-52页 |
| ·神经网络的火灾图像的识别算法 | 第52-60页 |
| ·人工神经网络与图像识别 | 第52-53页 |
| ·BP神经网络结构学习 | 第53-55页 |
| ·基于BP神经网络的火灾图像识别算法 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 森林火灾图像自动识别系统的设计与实现 | 第61-74页 |
| ·系统原理 | 第61-62页 |
| ·系统硬件结构 | 第62-66页 |
| ·视频图像采集模块 | 第62-64页 |
| ·云台控制模块 | 第64-66页 |
| ·系统软件设计 | 第66-73页 |
| ·图像采集 | 第68-69页 |
| ·图像处理 | 第69-71页 |
| ·林火识别 | 第71-72页 |
| ·林火报警与定位 | 第72-73页 |
| ·系统性能测试与结果分析 | 第73页 |
| ·本章小结 | 第73-74页 |
| 第6章 结论与展望 | 第74-76页 |
| ·结论 | 第74页 |
| ·展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读学位期间的研究成果 | 第80页 |
