摘要
1 绪论
1.1 研究背景和意义
1.2 研究现状
1.2.1 火点定位
1.2.2 三维地形简化技术
1.2.3 GPU在三维地形模拟上的应用
1.2.4 林火蔓延模型
1.3 主要研究内容
1.3.1 基于多特征相融合和支持向量机的森林火场识别技术
1.3.2 森林火场三维地形简化算法与纹理映射算法
1.3.3 基于GPU的三维地形模拟
1.3.4 林火蔓延模型及其算法改进
1.4 本文的组织和安排
2 基于多特征相融合和支持向量机的森林火场识别技术
2.1 目前主要的林火监测识别方法
2.1.1 卫星监测
2.1.2 航空林火巡护
2.1.3 人工地面巡护
2.1.4 基于无线传感器网络的林火监测识别
2.1.5 近地面视频图像监测
2.2 森林火场图像的颜色特征提取
2.2.1 典型的颜色特征
2.2.2 颜色空间
2.2.3 颜色直方图
2.2.4 基于HSV颜色空间的传统量化算法
2.2.5 基于HSV颜色空间的18色量化算法
2.3 森林火场图像的纹理特征提取
2.3.1 灰度共生矩阵方法
2.4 森林火场图像的形状特征提取
2.4.1 形状特征的提取方法
2.5 基于森林火场图像的多特征相融合
2.6 采用支持向量机对图像进行分类
2.6.1 SVM基本原理
2.6.2 基于SVM的图像分类器的构造
2.6.3 林火图像语义标注算法
2.7 实验与分析
2.7.1 颜色特征提取实验
2.7.2 火场图像的特征识别系统
2.7.3 基于SVM的图像语义自动标注实验
2.8 本章小结
3 森林火场三维地形简化算法
3.1 数字地形模型
3.1.1 数字地形模型的表示方法
3.2 地形LOD模型算法
3.2.1 层次结构的LOD模型算法
3.2.2 树形结构的LOD模型算法
3.2.3 改进后的四叉树算法
3.2.4 基于视点的混合结构LOD模型算法
3.2.5 关于LOD模型中裂缝的修正算法
3.2.6 实验数据与实施条件
3.2.7 实验与分析
3.3 多分辨率纹理模型生成算法
3.3.1 Mip-map算法
3.3.2 Clip-map算法
3.3.3 与视点相关的多分辨率纹理模型
3.3.4 基于四叉树结构的多分辨率纹理模型
3.3.5 基于四叉树的纹理调度
3.3.6 纹理内存释放
3.3.7 多分辨率纹理映射算法
3.3.8 实验与分析
3.4 三维空间索引
3.4.1 网格索引
3.4.2 R树索引
3.4.3 基于改进的四叉树结构索引
3.4.4 实验与分析
3.5 本章小结
4 基于GPU的三维地形模拟
4.1 GPU技术
4.1.1 CPU和GPU
4.1.2 GPU的构架
4.2 CUDA技术
4.2.1 CUDA线程模型
4.2.2 CUDA存储模型
4.3 基于GPU的LOD地形绘制
4.3.1 Chunked LOD算法
4.3.2 节点数据结构
4.3.3 四叉树遍历
4.4 本章小节
5 林火蔓延模型及其算法改进
5.1 森林火灾类型和林火热量的传播方式
5.1.1 森林火灾类型
5.1.2 林火中热量的传播方式
5.2 森林火灾影响因子
5.2.1 可燃物
5.2.2 地形坡度
5.2.3 气象条件
5.3 林火蔓延模型
5.3.1 Rothermel模型
5.3.2 澳大利亚McArthur模型
5.3.3 加拿大林火蔓延模型
5.3.4 理想火场卵圆方程
5.3.5 物理模型
5.3.6 王正非林火蔓延模型
5.3.7 林火蔓延模型选择
5.4 基于王正非林火蔓延模型的改进
5.5 实验与分析
5.6 基于元胞自动机的林火蔓延模拟
5.6.1 元胞自动机
5.6.2 基于元胞自动机的林火蔓延模拟
5.7 本章小结
结论
参考文献
附录
攻读学位期间的学术研究
致谢
声明