锅炉火焰检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·锅炉火焰检测的研究现状 | 第9-12页 |
| ·基于火焰闪烁特性的检测方法 | 第9-10页 |
| ·基于图像处理的方法 | 第10-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·DSP火焰检测模块所需的功能 | 第12-13页 |
| ·主要研究内容 | 第13页 |
| ·技术路线和创新之处 | 第13页 |
| ·本文结构安排 | 第13-15页 |
| 第2章 图像火检 | 第15-24页 |
| ·火检检测相关数字图像处理方法 | 第15-19页 |
| ·特征提取方法 | 第15-16页 |
| ·温度场测量方法 | 第16-19页 |
| ·典型算法分析 | 第19-23页 |
| ·早期基于梯度的火检算法 | 第19-20页 |
| ·基于颜色分量的算法 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于帧差的火检算法 | 第24-31页 |
| ·图像分析 | 第24-26页 |
| ·煤粉燃烧图像特征 | 第24-25页 |
| ·重油燃烧图像特征 | 第25-26页 |
| ·算法原理 | 第26-29页 |
| ·实验结果 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于模糊C均值聚类的火检算法 | 第31-39页 |
| ·聚类方法原理 | 第31-35页 |
| ·K均值聚类 | 第31-33页 |
| ·模糊C均值聚类 | 第33-35页 |
| ·算法设计 | 第35-37页 |
| ·锅炉燃烧火焰图像特征分析 | 第35-36页 |
| ·基于模糊C均值聚类的火焰检测算法 | 第36-37页 |
| ·算法的实现 | 第37-38页 |
| ·检测算法代码 | 第37页 |
| ·实验结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 基于神经网络的火检算法 | 第39-50页 |
| ·BP神经网络原理 | 第39-41页 |
| ·检测原理及神经网络设计 | 第41-42页 |
| ·神经网络训练 | 第42-49页 |
| ·初始化神经网络 | 第43-44页 |
| ·样本输入 | 第44-45页 |
| ·隐层、输出层各单元参数的计算 | 第45-46页 |
| ·网络各单元权值、阈值调整 | 第46-47页 |
| ·训练神经网络需要注意的问题 | 第47-49页 |
| ·检测算法流程图 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第6章 基于DSP的火检系统 | 第50-55页 |
| ·系统运行流程 | 第50页 |
| ·系统构成 | 第50-51页 |
| ·视频信号获取 | 第50-51页 |
| ·监视、录放系统 | 第51页 |
| ·DSP火焰图像检测器 | 第51页 |
| ·系统软件流程图 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第7章 总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·进一步工作的方向 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 基于FCM的火检算法代码 | 第61-64页 |
| 攻读学位期间的研究成果 | 第64页 |
