1 绪论 1.1目的意义 1.2国内外发展现状 1.3 本文的研究内容及创新点 1.3.1 研究内容 1.3.2 创新点 2 森林火灾图像识别系统的理论基础 2.1 森林火灾分析 2.2 图像的模式识别技术理论基础 2.3 本章小结 3 图像识别系统的总体设计 3.1 系统的功能介绍 3.2系统体系结构 3.3系统的工作原理 3.4 本章小结 4 森林火灾识别系统总体方案 4.1 图像的预处理部分 4.1.1 图像预处理的技术方法 4.1.2图像中值滤波的技术方法 4.1.3 图像的灰度化处理方法 4.2 图像的分割部分 4.3 图像特征提取部分 4.4 图像识别 4.5 本章小结 5 森林火灾识别系统的研究与分析 5.1 系统的操作平台和流程 5.1.1系统的操作平台 5.1.2系统的总体算法流程 5.2 图像预处理部分编程研究 5.3 图像分割部分编程的研究 5.4 特征提取部分编程的研究 5.5图像识别部分的研究 5.5 本章小结 6 总结与展望 谢辞 参考文献 附录

实验中所使用的样本来自点火实验中所拍摄的现场图片以及网络上森林火灾的相关图片。训练集中有 968 张森林背景图片，946 张复杂的森林火灾图片;测试集中有80 张森林背景图片，102 张复杂的森林火灾图片。训练集与测试集每一张图片均不重复。      针对森林火灾的特点，提出并设计一种基于卷积神经网络的森林火灾图像识别方法。通过实验，给出用于复杂背景下森林火灾识别的卷积神经网络结构，并对该结构进行训练和测试。结果表明，该方法具备较高的正确率，正确率达到 95% 。同时网络可自动提取特征，无需对输入图像进行复杂预处理，克服了传统算法许多固有的缺点，将其应用在森林火灾识别领域取得了很好的效果。最后，我们结合flaks框架构建了一个森林大火识别的API，在该系统下，我们通过后端调用模型，在页面中选择上传的图片，便可获得预测结果。