1、“.....万方数据图像型火灾探测及火源定位系统的研究与实现......”。

2、“.....散发出光和热的种现象，也是种散发能量的形式。自从人类逐渐发现火的重要性以来，就在燃烧利用和火灾防治的边缘不断徘徊。这些年以来，矿井火灾森林火灾以及大空间建筑火灾的不断发生不仅仅对人类的生命财产产生了巨大其它外部的库虽然也能够调用些外部库。学者们可以通过调用算法库，在已完成的成熟的算法的基础上迅速开始自己新的工作。作为个基本的图像处理计算机视觉和模式识别的开源项目，能够直接灵活地应用在许多领域，担任起个理想的二次开发工具的角色。为公司的提供了透明接口，这说明了只要有为的处理器优化的库，将在运行期间自动调用这些库。是个集成了几千款，支持多核心，为多媒体和数据处理高度优化的软件包，包括视频编码解码音频编码解码图像色彩变换数据压缩信号处理图像处理编码解码语音识别等......”。

3、“.....库目前包括如图所示的模块包括些基本结构和函数算法，如支持线性代数和数据结构，主要为各种数据类型的基本运算提供功能。提供图像处理和计算机视觉功能，是最主要的函数，包括图像分析处理运动分析结构分析摄像机标定物体跟踪及模式识别等功能。为的附加库函数，含有些实验型函数，如以及三维跟踪等函数。是用户交互的部分，存放了，图像视频和系统调用函数。为机器学习部分，是新加入的模块，分类器就包含在这个里面。另外，还有个特别的模块，但在版本中已经不再包含它，而版本中若将支持加入后，将完全不再使用。万方数据图像型火灾探测及火源定位系统的研究与实现图的组成结构具有以下显著优点无论商用与否都完全免费使用。开放的源代码保证优良的可扩展性。具备跨平台的可移植性。代码基于处理器指令集开发的执行效率高。强大快速的矩阵图像运算能力。方便调用常用的图像视频获取载入和保存模块。火灾图像的预处理中值滤波中值滤波是种非线性平滑滤波......”。

4、“.....而且对滤除噪声干扰及图像细节模糊问题，而且对滤除噪声干扰及图像扫描噪声非常有效。中值滤波通常采用个包含奇数个点的滑动窗口，中心点的灰度值用窗口中各点灰度值的中值来代替。如果有奇数个元素，中值则取按大小排列后中间的数值如果有偶数个元素，则将排序之后的中间两个元素灰度值的平均值作为中值。中值滤波算法描述步骤获得源图像的首地址及图像的宽和高步骤开辟块内存缓冲区，用以暂存结果图像，并初始化为步骤逐个扫描图像中的像素点，将其领域各元素的像素值从大到小进行排序，将求得的中间赋值给目标图像中与当前点对应的像素点步骤循环步骤，直到处理完源图像的全部像素点步骤将结果从内存缓冲区复制到源图像的数据区中。万方数据图像型火灾探测及火源定位系统的研究与实现如图为图像中值滤波的结果。图原始图像图图像中值滤波结果灰度化图像由彩色转化为灰度的过程叫做图像的灰度化。灰度指的是黑白图像中的点的颜色深度，取值范围为从到，白色为，黑色为，因此黑白图像也称灰度图像，广泛地运用在图像识别与医学领域......”。

5、“.....又因为颜色值的取值范围是因此仅存在种灰度级别，即灰度图像只能表现种灰度颜色，常用有种处理方法最大值法取的值等于三个值中的最大值，即，最大值法会形成亮度很高的灰度图像。平均值法取的值等于三个值中的平均值，即，平均值法会形成相对柔和的灰度图像。加权平均值法依据其重要性或其它指标给予不相等的权值，并使的值加权平均，即，其中分别为的权值。给不同的数值，加权平均值法会形成不同的灰度图像。科学研究发现人的眼睛对绿色的敏感度最高，红色次之，对蓝色最低，因而使会得到比较合理的灰度图像。实验与理论证明了，当时，即当时，能得到最合理的灰度图像。本文采用方法实现图像灰度化，将会有非常好的效果，图像灰度化结果如图所示。万方数据图像型火灾探测及火源定位系统的研究与实现图原始图像图图像灰度化结果二值化图像的二值化是指将图像上像素点的灰度值设置为或，这样来整个图像将呈现出非常明显的黑白效果。通过选取定的阀值......”。

6、“.....在图像分析与处理的过程中，二值图像具有极大的用途，首先，二值化图像能促使进步处理图像，使得图像变得简单，并且减少了处理的数据量，凸显出了感兴趣目标的轮廓。其次，要对二值图像进行分析和处理，就必须要把灰度图像二值化，这样才能进行下步的图像处理。将所有灰度值大于或等于阀值的像素点判为特定的目标，其灰度值用来表示，将其它像素点排除在目标区域以外，灰度值标为，这表示背景或者不需要的目标区域。如图为图像二值化的结果。图原始图像图图像二值化结果万方数据图像型火灾探测及火源定位系统的研究与实现直方图均衡化直方图均衡的基本原理是对原始图像中的像素灰度做种映射的改变，使变换后图像灰度的概率密度呈现均匀分布，这样来，变换后的图像是幅灰度级均匀分布的图像，体现在提高了图像的对比度，也增加了图像灰度的动态范围。幅图像的灰度级可以视为区间,上的随机变量，能够证明变换函数是源图像的累积分布函数，并满足以上两个条件。假设为幅图像中像素的总数，为第级灰度的像素数，表示第个灰度级......”。

7、“.....即可得到直方图均衡化后的图像。直方图均衡化算法描述步骤获得源图像的首地址及图像的宽和高步骤暂时分配内存，以保存新图像，同时将其初始化为零步骤调用灰度直方图统计函数以得到源图像灰度分布的概率密度步骤对源图像的灰度分布进行直方图均衡化处理步骤依次扫描源图像中各个像素点，将直方图均衡化后的结果写到与当前点对应的目标图像中步骤复制灰度直方图均衡化处理后的图像到源图像中。如图为图像灰度直方图均衡化的结果。图原始图像图图像直方图均衡化结果万方数据图像型火灾探测及火源定位系统的研究与实现轮廓跟踪在识别图像中的目标时，往往需要对目标边缘进行轮廓跟踪。轮廓跟踪，顾名思义，就是按照顺序找出边缘点来实现边界跟踪的。轮廓跟踪的目的是为了获得图像的外部轮廓特征。若图像是二值图像或图像中不同区域具有不同的像素值，但每个区域内的像素值是相同的，则如下算法可完成基于连通或连通区域的轮廓跟踪......”。

8、“.....寻找出无标记跟踪结束记号的第个边界起始点，为具有最小行列值的边界点。定义个扫描方向变量,此变量用于记录上步中沿着前个边界点到当前边界点的移动方向，其初始化取值为若为连通的区域，取若为连通的区域，取步骤按逆时针方向搜索当前像素的邻域，其起始的搜索方向规定如下若为连通的区域，取若为连通的区域，当是奇数时，取当是偶数时，取当在邻域中搜索到第个与当前像素值相等的像素则标为新的边界点,同时更新变量成新的方向值。步骤如果等于第二个边界点并且前个边界点与第个边界点相同，则立刻停止搜索，结束跟踪，否则继续按照步骤来搜索。步骤由边界点构成的边界就是所要跟踪的边界。上述算法是图像轮廓跟踪最基本的算法，它只能跟踪目标图像的内边界边界包含在目标点集内，除此以外，它也无法处理图像的孔和洞。如图为图像轮廓跟踪的结果......”。

9、“.....崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名日期年月日万方数据图像型火灾探测及火源定位系统的研究与实现东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印缩印或扫描等复制手段保存和汇编本学位论文。保密，在年解密后适用本版权书。本学位论文属于不保密......”。