| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章 前言 | 第9-13页 |
| ·课题背景 | 第9页 |
| ·森林火灾火焰的基本特征 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本课题的研究内容 | 第12-13页 |
| 第二章 火焰区域分割 | 第13-33页 |
| ·火焰图像的预处理 | 第13-17页 |
| ·火焰图像的增强 | 第13-15页 |
| ·火焰图像的滤波处理 | 第15-17页 |
| ·疑似火焰像素的检测 | 第17-21页 |
| ·颜色空间 | 第18-19页 |
| ·颜色像素检测 | 第19-20页 |
| ·运动像素检测 | 第20-21页 |
| ·火焰图像的分割 | 第21-28页 |
| ·基于区域特性的分割技术 | 第22页 |
| ·基于特征空间聚类的分割技术 | 第22-23页 |
| ·基于边缘的分割技术 | 第23-24页 |
| ·基于阈值的分割技术 | 第24-26页 |
| ·火焰区域分割 | 第26-28页 |
| ·数学形态学处理 | 第28-33页 |
| ·腐蚀 | 第29-30页 |
| ·膨胀 | 第30页 |
| ·开运算 | 第30-33页 |
| 第三章 火焰特征提取 | 第33-48页 |
| ·静态特征 | 第33-40页 |
| ·形状特征 | 第33-36页 |
| ·纹理特征 | 第36-40页 |
| ·动态特征 | 第40-45页 |
| ·静态和动态结合提取火焰特征 | 第45-48页 |
| 第四章 基于 LVQ 的火焰图像识别 | 第48-59页 |
| ·学习向量神经网络简介 | 第49页 |
| ·基于学习向量神经网络的火焰分类器 | 第49-59页 |
| ·输入层和输出层节点数的确定 | 第50页 |
| ·隐层节点数确定 | 第50页 |
| ·学习速率的选取 | 第50-51页 |
| ·LVO 神经网络学习算法 | 第51页 |
| ·LVQ 火焰分类器 | 第51-58页 |
| ·实验结果分析 | 第58-59页 |
| 第五章 支持向量机在火焰识别中的应用 | 第59-67页 |
| ·支持向量机的原理 | 第59-60页 |
| ·支持向量机的核函数 | 第60页 |
| ·支持向量机参数的选择 | 第60-61页 |
| ·不同核函数的实验结果对比 | 第61-64页 |
| ·LVQ 神经网络和 BP 神经网络以及支持向量机对于火焰识别的对比 | 第64-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-71页 |