基于图像处理的无人机秸秆焚烧监测系统的研究与设计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-14页 |
| 1.1.1 秸秆焚烧的危害及治理现状 | 第10-11页 |
| 1.1.2 无人机发展概述 | 第11-13页 |
| 1.1.3 传统检测方式弊端 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 主要研究内容和技术路线 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16-18页 |
| 第2章 系统总体方案设计 | 第18-30页 |
| 2.1 系统总体方案框架及工作原理 | 第18-21页 |
| 2.1.1 系统总体方案框架 | 第18-20页 |
| 2.1.2 系统工作原理 | 第20-21页 |
| 2.2 系统硬件平台总体方案框架 | 第21-28页 |
| 2.2.1 彩色摄像头选型 | 第21-24页 |
| 2.2.2 无线网卡选型 | 第24-25页 |
| 2.2.3 无人机平台选型 | 第25-27页 |
| 2.2.4 微处理器选型 | 第27页 |
| 2.2.5 硬件平台总体框架设计 | 第27-28页 |
| 2.3 系统各项性能指标 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 前景区域的提取算法 | 第30-48页 |
| 3.1 图像预处理 | 第30-33页 |
| 3.1.1 图像去噪 | 第30-32页 |
| 3.1.2 图像增强 | 第32-33页 |
| 3.2 基于空域处理的火焰分割算法 | 第33-37页 |
| 3.3 基于空域-时域联合处理的火焰分割算法 | 第37-46页 |
| 3.3.1 ViBe算法描述 | 第37-40页 |
| 3.3.2 基于改进ViBe算法的前景提取算法 | 第40-43页 |
| 3.3.3 火焰颜色特征决策加权判断 | 第43-46页 |
| 3.4 基于颜色特征的烟雾分割算法 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 秸秆焚烧识别与危险等级划分模型 | 第48-67页 |
| 4.1 火焰的特征提取 | 第48-55页 |
| 4.1.1 火焰图像特征 | 第48-52页 |
| 4.1.2 火焰动态特征 | 第52-55页 |
| 4.2 烟雾的特征提取 | 第55-56页 |
| 4.3 基于信息融合技术的秸秆焚烧识别 | 第56-58页 |
| 4.3.1 基于信息融合技术的火焰识别 | 第56-57页 |
| 4.3.2 基于信息融合技术的烟雾识别 | 第57-58页 |
| 4.3.3 基于信息融合技术的焚烧识别 | 第58页 |
| 4.4 危险等级划分模型 | 第58-60页 |
| 4.5 实验结果与分析 | 第60-66页 |
| 4.5.1 秸秆焚烧预警实验 | 第61-63页 |
| 4.5.2 干扰物体区分实验 | 第63-64页 |
| 4.5.3 危险等级划分实验 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 系统软件设计 | 第67-73页 |
| 5.1 开发软件环境简介 | 第67-68页 |
| 5.2 系统软件功能模块测试 | 第68-72页 |
| 5.2.1 系统主界面测试 | 第69-70页 |
| 5.2.2 焚烧识别及危险等级判定模块测试 | 第70页 |
| 5.2.3 示警模块测试 | 第70-72页 |
| 5.2.4 系统抗干扰测试 | 第72页 |
| 5.3 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间的研究成果 | 第80页 |
