| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第12-26页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 图像型火灾辨识技术研究现状 | 第14-19页 |
| 1.2.2 火灾危险性评价研究现状 | 第19-21页 |
| 1.2.3 目前研究中存在的不足 | 第21页 |
| 1.3 主要研究内容 | 第21-22页 |
| 1.4 研究方法和技术路线 | 第22-23页 |
| 1.4.1 研究方法 | 第22-23页 |
| 1.4.2 技术路线 | 第23页 |
| 1.5 论文的组织结构 | 第23-26页 |
| 2 火灾图像特征分析 | 第26-40页 |
| 2.1 引言 | 第26-27页 |
| 2.2 火灾图像特征分类 | 第27-28页 |
| 2.3 火焰图像特征提取及实验分析 | 第28-34页 |
| 2.3.1 颜色特征 | 第28-29页 |
| 2.3.2 红绿分量面积比 | 第29-30页 |
| 2.3.3 尖角特征 | 第30-31页 |
| 2.3.4 圆形度 | 第31-32页 |
| 2.3.5 扩散特性 | 第32-33页 |
| 2.3.6 相关性 | 第33-34页 |
| 2.3.7 整体移动特性 | 第34页 |
| 2.4 烟雾图像特征提取及实验分析 | 第34-38页 |
| 2.4.1 颜色特征 | 第34-36页 |
| 2.4.2 模糊特性 | 第36-37页 |
| 2.4.3 运动主方向性 | 第37-38页 |
| 2.5 本章小结 | 第38-40页 |
| 3 复杂大空间火焰图像辨识 | 第40-68页 |
| 3.1 引言 | 第40-41页 |
| 3.2 多信息融合的火焰图像分割 | 第41-48页 |
| 3.2.1 火焰图像颜色模型 | 第41-43页 |
| 3.2.2 偏移度 | 第43-45页 |
| 3.2.3 火焰图像分割算法 | 第45-48页 |
| 3.3 图像特征集的优化 | 第48-55页 |
| 3.3.1 特征提取与特征集优化的区别 | 第48-49页 |
| 3.3.2 火焰图像上下边缘抖动投影个数比特征模型 | 第49-51页 |
| 3.3.3 特征集优化模型 | 第51-55页 |
| 3.4 火焰图像辨识 | 第55-60页 |
| 3.4.1 支持向量机基本原理 | 第56页 |
| 3.4.2 Adaboost集成分类方法 | 第56-57页 |
| 3.4.3 基于SVM和Adaboost的火焰图像辨识模型 | 第57-58页 |
| 3.4.4 样本权重更新策略 | 第58-59页 |
| 3.4.5 样本动态裁剪策略 | 第59-60页 |
| 3.5 实验与结果分析 | 第60-66页 |
| 3.6 本章小结 | 第66-68页 |
| 4 复杂大空间烟雾图像辨识 | 第68-92页 |
| 4.1 引言 | 第68页 |
| 4.2 基于混合高斯模型的自适应烟雾图像分割 | 第68-78页 |
| 4.2.1 混合高斯背景建模 | 第69-71页 |
| 4.2.2 不同颜色烟雾图像、、BGR分布特点 | 第71-72页 |
| 4.2.3 烟雾图像分割算法 | 第72-78页 |
| 4.3 双向光流法烟雾图像特征提取算法 | 第78-84页 |
| 4.3.1 标准光流跟踪法问题研究 | 第78-79页 |
| 4.3.2 双向光流跟踪算法思想 | 第79-80页 |
| 4.3.3 harris关键点检测 | 第80-82页 |
| 4.3.4 双向L-K光流跟踪 | 第82-83页 |
| 4.3.5 特征点运动参数提取 | 第83-84页 |
| 4.4 基于小波变换的烟雾图像相关性分析 | 第84-85页 |
| 4.5 基于单类支持向量机的烟雾图像辨识 | 第85-87页 |
| 4.5.1 单类支持向量机原理 | 第85-87页 |
| 4.5.2 烟雾图像辨识模型 | 第87页 |
| 4.6 实验与结果分析 | 第87-90页 |
| 4.7 本章小结 | 第90-92页 |
| 5 火灾危险性评价 | 第92-110页 |
| 5.1 引言 | 第92页 |
| 5.2 火灾危险因素分析 | 第92-93页 |
| 5.3 受限空间火的模型实验 | 第93-95页 |
| 5.3.1 模型实验方法 | 第93-94页 |
| 5.3.2 模型相似关系 | 第94-95页 |
| 5.4 基于视频的火灾危险性评价指标 | 第95-103页 |
| 5.4.1 烟雾层高度 | 第96-99页 |
| 5.4.2 烟雾浓度 | 第99-100页 |
| 5.4.3 能见度 | 第100-101页 |
| 5.4.4 热释放速率 | 第101-103页 |
| 5.5 基于属性识别的火灾危险性评价 | 第103-106页 |
| 5.5.1 评价模型 | 第103-104页 |
| 5.5.2 属性空间矩阵的建立 | 第104页 |
| 5.5.3 属性测度的计算 | 第104-105页 |
| 5.5.4 权重的确定 | 第105-106页 |
| 5.5.5 属性识别分析 | 第106页 |
| 5.6 实验与结果分析 | 第106-109页 |
| 5.7 本章小结 | 第109-110页 |
| 6 远程视频火灾安全管理系统研究 | 第110-118页 |
| 6.1 引言 | 第110页 |
| 6.2 系统构成 | 第110-112页 |
| 6.2.1 网络架构 | 第110-111页 |
| 6.2.2 软件层次模型 | 第111-112页 |
| 6.3 系统设计 | 第112-115页 |
| 6.3.1 软件开发流程 | 第112-113页 |
| 6.3.2 基于数据融合的火灾辨识算法 | 第113-114页 |
| 6.3.3 网络通信系统 | 第114-115页 |
| 6.4 系统测试与结果分析 | 第115-117页 |
| 6.4.1 性能测试 | 第115-116页 |
| 6.4.2 系统测试 | 第116-117页 |
| 6.5 本章小结 | 第117-118页 |
| 7 总结与展望 | 第118-122页 |
| 7.1 本文工作总结 | 第118-119页 |
| 7.2 主要创新点 | 第119-120页 |
| 7.3 有待进一步完成的工作 | 第120-122页 |
| 致谢 | 第122-124页 |
| 参考文献 | 第124-140页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第140-141页 |