基于图像处理的火灾智能监视识别技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·选题背景和意义 | 第9-10页 |
| ·火灾探测技术的发展历史及研究现状 | 第10-13页 |
| ·数字图像处理技术在火灾探测技术中的应用 | 第13-16页 |
| ·数字图像处理概述 | 第13-14页 |
| ·图像型火灾探测技术 | 第14-16页 |
| ·论文研究内容及章节安排 | 第16-17页 |
| 第二章 小波变换与图像处理 | 第17-40页 |
| ·引言 | 第17页 |
| ·图像预处理 | 第17-26页 |
| ·图像的减法 | 第17-20页 |
| ·图像的对比度增强 | 第20-22页 |
| ·图像的二值化 | 第22-24页 |
| ·图像的平滑与锐化 | 第24-26页 |
| ·基于小波变换的图像处理 | 第26-38页 |
| ·小波变换基础 | 第27-29页 |
| ·二维小波变换的基本理论 | 第29页 |
| ·二维小波的分解与重构 | 第29-34页 |
| ·小波分析在图像处理中的应用 | 第34-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 图像模式识别 | 第40-57页 |
| ·引言 | 第40页 |
| ·图像模式识别概述 | 第40-41页 |
| ·判别函数和判别规则 | 第41-45页 |
| ·线性判别函数 | 第41-44页 |
| ·最小距离判别函数 | 第44页 |
| ·最进邻域判别函数 | 第44-45页 |
| ·特征的提取和选择 | 第45页 |
| ·统计图像识别 | 第45-50页 |
| ·线性分类器 | 第46-47页 |
| ·贝叶斯分类器 | 第47-50页 |
| ·人工神经网络识别 | 第50-56页 |
| ·人工神经网络模型 | 第50-54页 |
| ·基于人工神经网络图像识别的基本原理 | 第54-55页 |
| ·基于神经网络的图像识别方法 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于图像处理的火灾智能监视识别方法 | 第57-74页 |
| ·引言 | 第57页 |
| ·火灾产生的机理及发展过程 | 第57-58页 |
| ·火灾产生的机理 | 第57-58页 |
| ·火灾的发展过程 | 第58页 |
| ·基于视频监控的烟雾图像型火灾探测系统 | 第58-61页 |
| ·基于小波变换的烟雾图像型火灾检测方法 | 第61-70页 |
| ·烟雾图像的获取 | 第61-62页 |
| ·烟雾图像的预处理 | 第62-65页 |
| ·烟雾图像的小波分解 | 第65-68页 |
| ·烟雾特征图像的人工神经网络识别 | 第68-70页 |
| ·基于相减法的烟雾图像型火灾检测方法 | 第70-73页 |
| ·标准图像和烟雾图像的获取 | 第71页 |
| ·标准图像和烟雾图像相减 | 第71-72页 |
| ·烟雾特征图像的人工神经网络识别 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 结论与展望 | 第74-76页 |
| 1 结论 | 第74-75页 |
| 2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81页 |
