基于视频监控的煤矿井下火灾识别算法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 火灾检测算法研究现状 | 第9-11页 |
| 1.2.2 火焰图像分割研究现状 | 第11-12页 |
| 1.2.3 尘雾图像增强算法研究现状 | 第12-13页 |
| 1.3 论文的研究内容和组织结构 | 第13-16页 |
| 第二章 视频图像处理的相关技术 | 第16-26页 |
| 2.1 灰度化与二值化 | 第16-17页 |
| 2.2 直方图均衡化与形态学处理 | 第17-19页 |
| 2.3 图像去噪技术 | 第19-23页 |
| 2.3.1 空间域图像去噪 | 第19-22页 |
| 2.3.2 变换域图像去噪 | 第22-23页 |
| 2.4 VIBE 运动检测算法 | 第23-24页 |
| 2.5 视频火灾检测的一般步骤 | 第24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 煤矿井下尘雾图像增强算法研究 | 第26-34页 |
| 3.1 尘雾图像退化模型 | 第26页 |
| 3.2 煤矿井下尘雾图像增强算法 | 第26-30页 |
| 3.2.1 暗原色先验理论 | 第26-28页 |
| 3.2.2 透射率图获取 | 第28页 |
| 3.2.3 自适应双边滤波 | 第28-29页 |
| 3.2.4 透射率图优化与去噪 | 第29-30页 |
| 3.2.5 图像复原 | 第30页 |
| 3.3 实验结果与分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 火焰分割算法研究 | 第34-46页 |
| 4.1 VIBE算法的优化 | 第34-36页 |
| 4.2 火焰颜色识别规则 | 第36-41页 |
| 4.2.1 基于HSV空间模型的识别规则 | 第36-38页 |
| 4.2.2 基于YCbCr空间模型的识别规则 | 第38-41页 |
| 4.3 火焰分割算法 | 第41页 |
| 4.4 实验结果与分析 | 第41-43页 |
| 4.5 本章小结 | 第43-46页 |
| 第五章 基于SVM的火焰检测算法设计与实现 | 第46-58页 |
| 5.1 SVM算法简介 | 第46-49页 |
| 5.1.1 VC维理论与结构化最小风险 | 第46-47页 |
| 5.1.2 分类器 | 第47-49页 |
| 5.1.3 核函数 | 第49页 |
| 5.2 火焰图像特征提取 | 第49-53页 |
| 5.2.1 面积特征 | 第49-50页 |
| 5.2.2 边缘特征 | 第50-51页 |
| 5.2.3 圆形度提取 | 第51页 |
| 5.2.4 纹理特征 | 第51-53页 |
| 5.3 火焰检测算法 | 第53页 |
| 5.4 实验结果与分析 | 第53-56页 |
| 5.5 本章小结 | 第56-58页 |
| 第六章 总结和展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间取得的成果 | 第68页 |
