基于计算机视觉和神经网络技术的火焰识别分析与研究

论文摘要

在现实的社会生活生产中,火灾是威胁生活生产安全,危害人们生命和财产安全的灾害之一。在现在社会,火灾是全世界各国人民和政府所被困扰的一个共同的问题它不仅带来财产的严重的损失,而且带来生命的危害。随着社会生产力和物质水平的日益提高,防止火灾损失的上升、防止火灾危害范围的扩大等问题,越来越受到各国政府及各国人民的关注。本文首先介绍研究火焰识别的目的和意义,国内外研究状况。其次讨论了数字图像预处理技术：图像的灰度化、图像增强、图像滤波、图像边缘检测及二值化、图像运动检测和目标提取。通过将预处理算法集成起来,在图像的帧序列中提取火焰目标。数字图像预处理技术为图像的进一步识别及特征提取做好前期准备工作。然后提出三个方面火焰图像的特征：颜色特征、静态特征、动态特征。第一,基于颜色特征可以将火焰的颜色信息提取出来。第二,静态特征表现为：图像的矩特征、曲率特征、分形特征。静态特征可以将火焰的结构信息提取出来。第三,动态特征表现为：火焰的整体移动、面积增长、区域尖角、高度变化、形状相似特征。动态特征可以将受复杂环境影响的火焰特征提取出来。通过颜色、静态、动态特征可以基本识别火焰和区分一些疑似火焰干扰物。最后讨论神经网络在图像识别中的应用,介绍神经网络中的BP算法基本思想,并针对BP算法缺点提出一种改进算法,使火焰图像样本在干扰模式环境下进行仿真实验,并给出仿真实验的结果和分析,验证改进算法的优越性。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 国内外研究现状
• 1.2.1 国内外传统火焰识别方法
• 1.2.2 国内外基于机器视觉视觉的火焰识别状况
• 1.3 论文研究内容与组织结构
• 第二章 火焰识别的预处理与分割
• 2.1 火焰彩色图像转化为灰度图像
• 2.2 火焰图像的增强和滤波
• 2.3 火焰灰度图像的边缘检测及二值化
• 2.3.1 灰度图像的二值化
• 2.3.2 灰度图像的边缘检测
• 2.4 火焰灰度图像的运动检测和目标提取
• 2.4.1 背景减除法
• 2.4.2 时间差分法
• 本章小结
• 第三章 火焰的特征提取
• 3.1 火焰的颜色特征提取
• 3.1.1 颜色的形成
• 3.1.2 颜色模式
• 3.1.3 火焰的颜色特征提取
• 3.2 火焰的静态特征提取
• 3.2.1 火焰图像的曲率特征
• 3.2.2 火焰图像的矩特征
• 3.2.3 火焰图像的分形特征
• 3.3 火焰的动态特征提取
• 3.3.1 火焰图像的面积增长特征
• 3.3.2 火焰图像的形状相似特征
• 3.3.3 火焰图像的整体移动特征
• 3.3.4 火焰图像的区域尖角特征
• 3.3.5 火焰图像的高度变化特征
• 本章小结
• 第四章 基于神经网络的火焰识别算法
• 4.1 人工神经网络的简介
• 4.2 神经网络与火焰识别
• 4.3 人工神经网络的结构和特点
• 4.3.1 神经元基本模型
• 4.3.2 人工神经网络的特点
• 4.4 几种常见的人工神经网络
• 4.5 利用BP网络进行火焰识别
• 4.5.1 BP神经网络的结构
• 4.5.2 BP神经网络实施过程
• 4.5.3 BP神经网络火焰识别算法步骤
• 4.6 基于BP神经网络的混合网络
• 4.7 基于BP神经网络的混合网络层的实验结果及分析
• 本章小结
• 总结与展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢