基于视频的火灾探测技术研究

论文摘要

本文系统地讨论了火灾探测技术的发展以及利用远程监控系统进行火灾图像识别的方法。首先介绍彩色图像处理的基础理论,在HIS颜色模型中实现基于颜色聚类的烟雾图像分割;然后利用图像的预处理技术,如灰度化、二值化、滤波等来分析烟雾图像以及干扰图像的特征,提出将烟雾轮廓的圆形度作为火灾识别判据之一。在上述研究的基础上,以火灾图像为主要的实验对象,进行基于BP神经网络的火灾图像识别的研究。经过大量不同条件下的实验证明,利用BP神经网络进行火灾图像的识别判断,计算简单、适应性强、处理效果好,为防止火灾的发生、减轻火灾带来的危害奠定了基础。

论文目录

• 中文摘要
• 英文摘要
• 第一章 前言
• 1.1 火灾探测技术的研究及开发现状
• 1.1.1 早期火灾探测的方法
• 1.1.2 人工神经网络火灾探测的发展现状
• 1.1.3 火灾图像监测技术的提出及发展现状
• 1.2 论文研究背景及意义
• 1.3 远程视频监控与图像识别系统
• 1.3.1 监控点
• 1.3.2 网络传输通道
• 1.3.3 监控识别中心
• 1.4 论文的主要内容
• 第二章 数字图像处理的基本理论
• 2.1 图像文件简介
• 2.1.1 图像文件格式分类
• 2.1.2 BMP文件格式介绍
• 2.2 图像分割技术
• 2.3 图像的滤波
• 2.4 图像细化
• 2.5 本章小结
• 第三章 基于视觉颜色模型的烟雾图像分割
• 3.1 色彩空间基本原理
• 3.1.1 颜色的形成原理与基本概念
• 3.1.2 表色系
• 3.2 颜色提取及色彩空间的选择
• 3.2.1 颜色提取技术
• 3.2.2 色彩空间的选择
• 3.3 烟雾颜色提取算法
• 3.3.1 HIS颜色距离与人类视觉的关系
• 3.3.2 烟雾颜色特征及提取算法
• 3.4 算法试验结果及分析
• 第四章 烟雾图像识别判据的研究
• 4.1 烟雾图像的预处理
• 4.1.1 彩色图像灰度化
• 4.1.2 基于最大类间方差法的图像分割
• 4.2 烟雾图像圆形度的计算
• 4.2.1 烟雾图像边界链码的提取
• 4.2.2 圆形度的计算
• 4.3 圆形度计算结果及分析
• 4.4 烟雾识别判据的提出
• 第五章 基于神经网络的火灾烟雾识别
• 5.1 人工神经网络在图像型火灾探测中的应用
• 5.1.1 人工神经网络概述
• 5.1.2 人工神经元的模型及激活函数
• 5.1.3 BP神经网络的特点
• 5.2 神经网络火灾探测系统的结构
• 5.2.1 神经网络的结构设计
• 5.2.2 神经网络的样本选择和输出结果
• 5.3 基于BP神经网络的烟雾探测实验
• 5.3.1 神经网络模型的运行
• 5.3.2 BP算法步骤
• 5.4 实验结果及分析
• 结束语
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况