| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 本文内容和结构安排 | 第12-14页 |
| 2 火焰图像分割算法研究 | 第14-22页 |
| 2.1 火焰图像的预处理 | 第14-16页 |
| 2.1.1 均值滤波 | 第14-15页 |
| 2.1.2 中值滤波 | 第15-16页 |
| 2.2 火焰疑似区域检测 | 第16-19页 |
| 2.2.1 运动区域检测 | 第16-17页 |
| 2.2.2 颜色分析 | 第17-18页 |
| 2.2.3 形态学优化 | 第18-19页 |
| 2.3 实验与结果分析 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 3 火焰图像特征分析 | 第22-42页 |
| 3.1 基于空间域的火焰图像特征分析 | 第22-37页 |
| 3.1.1 圆形度 | 第23-25页 |
| 3.1.2 面积变化率 | 第25-27页 |
| 3.1.3 面积重叠率 | 第27-28页 |
| 3.1.4 红绿分量比 | 第28-31页 |
| 3.1.5 相关性 | 第31-33页 |
| 3.1.6 尖角数 | 第33-34页 |
| 3.1.7 闪烁特性 | 第34-35页 |
| 3.1.8 整体移动性 | 第35-37页 |
| 3.2 基于频率域的火焰图像特征提取 | 第37-39页 |
| 3.2.1 离散余弦变换的基本概念 | 第37-38页 |
| 3.2.2 基于离散余弦变换的火焰特征提取 | 第38-39页 |
| 3.3 本章小结 | 第39-42页 |
| 4 基于 HMM-SVM 的图像型火焰识别算法 | 第42-54页 |
| 4.1 隐马尔科夫模型和支持向量机理论 | 第42-47页 |
| 4.1.1 隐马尔科夫模型 | 第42-45页 |
| 4.1.2 支持向量机 | 第45-47页 |
| 4.2 基于支持向量机的火焰识别算法 | 第47-48页 |
| 4.3 基于 HMM-SVM 混合模型的火焰识别算法 | 第48-51页 |
| 4.3.1 HMM-SVM 混合模型原理和结构 | 第48-50页 |
| 4.3.2 HMM-SVM 混合模型训练和识别过程 | 第50-51页 |
| 4.4 仿真实验与结果分析 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 在读期间发表的学术论文及取得的研究成果 | 第62页 |