| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 火灾探测技术的研究现状 | 第9-11页 |
| 1.2.1 点式传感器火灾探测技术 | 第9-10页 |
| 1.2.2 图像型火灾探测技术 | 第10-11页 |
| 1.3 论文研究的主要内容及章节安排 | 第11-14页 |
| 2 图像型火灾探测的技术基础 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 图像型火灾探测的系统构成 | 第14页 |
| 2.3 图像型火灾探测算法 | 第14-15页 |
| 2.4 图像获取 | 第15-16页 |
| 2.5 预处理 | 第16-19页 |
| 2.5.1 颜色空间 | 第16-17页 |
| 2.5.2 图像去噪 | 第17-19页 |
| 2.6 图像分割 | 第19页 |
| 2.7 特征提取 | 第19-20页 |
| 2.8 图像识别（决策分类） | 第20-22页 |
| 3 火焰可疑区域的检测及特征提取 | 第22-40页 |
| 3.1 引言 | 第22页 |
| 3.2 基于颜色特性的火焰分割 | 第22-25页 |
| 3.2.1 基于RGB颜色模型的火焰分割 | 第22-23页 |
| 3.2.2 基于YCbCr颜色模型的火焰分割 | 第23-25页 |
| 3.3 基于运动特性的火焰分割 | 第25-27页 |
| 3.3.1 帧间差分法 | 第25-26页 |
| 3.3.2 混合高斯模型的背景差分法 | 第26-27页 |
| 3.4 基于CIE LAB颜色模型和模糊C均值算法结合的火焰分割 | 第27-33页 |
| 3.4.1 CIE LAB颜色模型 | 第27-29页 |
| 3.4.2 模糊C均值算法 | 第29-31页 |
| 3.4.3 基于CIE LAB颜色模型和模糊C均值的火焰分割 | 第31-33页 |
| 3.5 火焰特征的提取及分析 | 第33-37页 |
| 3.5.1 火焰的致密度特性 | 第33-34页 |
| 3.5.2 火焰的上下边缘抖动投影个数 | 第34-35页 |
| 3.5.3 火焰的其他特征 | 第35-37页 |
| 3.6 本章小结 | 第37-40页 |
| 4 基于概念格粗糙集--支持向量机的火焰特征选择与识别算法 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 基本理论 | 第40-43页 |
| 4.2.1 概念格 | 第40-41页 |
| 4.2.2 粗糙集 | 第41页 |
| 4.2.3 支持向量机（SVM） | 第41-43页 |
| 4.3 概念格粗糙集相结合的火焰特征选择算法 | 第43-45页 |
| 4.4 概念格粗糙集的特征选择算法运用于支持向量机的视频火焰识别 | 第45-47页 |
| 4.4.1 算法介绍 | 第45页 |
| 4.4.2 核函数的选择 | 第45-46页 |
| 4.4.3 惩罚因子的确定 | 第46-47页 |
| 4.5 实验结果及分析 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 5 总结和展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 下一步工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 在读期间发表的学术论文及取得的研究成果 | 第58-60页 |
| 致谢 | 第60页 |
