摘要
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 传统型火灾探测技术
1.2.2 图像型火灾探测技术
1.2.3 人工神经网络的发展现状
1.3 主要内容及结构
2 火灾图像的预处理
2.1 引言
2.2 颜色模型
2.2.1 RGB模型
2.2.2 HSI模型
2.2.3 YUV模型
2.3 系统原理
2.4 图像的获取
2.5 图像灰度化
2.6 滤波
2.6.1 均值滤波(线性滤波)
2.6.2 中值滤波
2.6.3 自适应滤波(维纳滤波)
2.7 直方图均衡化
2.8 本章小结
3 火灾图像的前景提取与分割
3.1 引言
3.2 图像差影
3.2.1 背景差分法
3.2.2 基于彩色分量的差分
3.3 图像阈值分割
3.3.1 最优阈值法
3.3.2 迭代阈值法
3.3.3 Otsu法
3.3.4 实验结果
3.4 边缘检测
3.4.1 一阶微分算子
3.4.2 LoG算子(Laplacian of a Gaussian)
3.4.3 Canny算子
3.4.4 各算子的比较与分析
3.5 区域分割
3.6 空间聚类
3.7 形态学处理
3.8 本章小结
4 火灾图像的特征识别
4.1 引言
4.2 特征提取的原则
4.3 火焰的静态特征
4.3.1 一阶颜色矩
4.3.2 纹理特征
4.4 火焰的动态特征
4.4.1 扩散性
4.4.2 质心特性
4.4.3 形体相似性
4.5 本章小结
5 结合BP神经网络的视频火灾图像识别
5.1 引言
5.2 BP神经网络简介
5.3 结合BP神经网络的视频火灾探测系统
5.3.1 系统工作流程
5.3.2 神经网络的输入层
5.3.3 神经网络的隐含层
5.3.4 神经网络的输出层
5.4 系统的学习训练
5.4.1 样本的选取与模型的运行
5.4.2 BP网络训练过程
5.5 MATLAB仿真
5.6 实验结果分析
5.7 本章小结
结论
参考文献
附录
攻读学位期间发表的学术论文
致谢
声明
东北林业大学;