| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第10-16页 |
| 1.1 国内外的研究现状 | 第10-12页 |
| 1.1.1 国内外林火检测技术的发展现状 | 第10-11页 |
| 1.1.2 国内外林火图像识别技术的研究现状 | 第11-12页 |
| 1.2 研究目的与意义 | 第12-13页 |
| 1.3 本文的主要内容 | 第13-14页 |
| 1.4 各章节组织结构 | 第14-16页 |
| 第2章 林火识别的理论知识 | 第16-22页 |
| 2.1 运动目标检测 | 第16-17页 |
| 2.1.1 背景估计法 | 第16页 |
| 2.1.2 差分估计法 | 第16-17页 |
| 2.1.3 光流法 | 第17页 |
| 2.2 图像特征的描述 | 第17-18页 |
| 2.3 分类方法 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 林火视频图像序列运动目标检测 | 第22-33页 |
| 3.1 林火视频图像预处理 | 第22-24页 |
| 3.1.1 图像去噪 | 第22-23页 |
| 3.1.2 图像灰度化 | 第23-24页 |
| 3.2 常见的视频图像序列运动目标检测方法 | 第24-28页 |
| 3.2.1 基于帧间差分法的林火检测 | 第25-27页 |
| 3.2.2 基于背景估计法的林火检测 | 第27-28页 |
| 3.3 基于改进的背景估计法结合色彩判断准则的检测方法 | 第28-32页 |
| 3.3.1 改进的背景估计法的检测研究 | 第28-30页 |
| 3.3.2 改进的背景估计法结合色彩判断准则 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于多重分形与Contourlet变换相结合的图像特征提取方法研究 | 第33-54页 |
| 4.1 林火烟雾图像特征分析 | 第33-34页 |
| 4.1.1 颜色特征 | 第33页 |
| 4.1.2 形态与运动特征 | 第33-34页 |
| 4.1.3 纹理特征 | 第34页 |
| 4.2 常见的林火烟雾图像纹理特征提取方法——灰度共生矩阵 | 第34-36页 |
| 4.2.1 灰度共生矩阵的定义 | 第34-35页 |
| 4.2.2 灰度共生矩阵的特征参数 | 第35-36页 |
| 4.2.3 灰度共生矩阵提取纹理特征的步骤 | 第36页 |
| 4.3 多重分形与Contourlet变换 | 第36-41页 |
| 4.3.1 多重分形 | 第36-38页 |
| 4.3.2 Contourlet变换 | 第38-41页 |
| 4.4 基于多重分形与Contourlet变换相结合的图像特征提取 | 第41-52页 |
| 4.4.1 权重因子q的确定 | 第42-43页 |
| 4.4.2 Contourlet分解提取方向子带 | 第43-45页 |
| 4.4.3 多重分形奇异谱计算 | 第45-51页 |
| 4.4.4 特征提取 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 利用支持向量机分类器识别林火烟雾图像 | 第54-66页 |
| 5.1 常用模式分类器概述 | 第54-56页 |
| 5.1.1 BP神经网络 | 第54-56页 |
| 5.1.2 自组织神经网络 | 第56页 |
| 5.2 支持向量机介绍 | 第56-61页 |
| 5.2.1 线性可分的最优分类面 | 第57-59页 |
| 5.2.2 线性不可分的最优分类面 | 第59页 |
| 5.2.3 支持向量机 | 第59-61页 |
| 5.3 支持向量机的建模与实验 | 第61-64页 |
| 5.3.1 特征数据的规格化 | 第61-62页 |
| 5.3.2 核函数的选择 | 第62-63页 |
| 5.3.3 实验对比 | 第63-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 进一步工作的方向 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间的研究成果及所获荣誉 | 第71-72页 |
| 致谢 | 第72页 |
