基于深度學習的動態(tài)紋理分類方法研究及其在森林防火中的應用.pdf

1、森林火災的發(fā)生給人類帶來巨大的經濟損失，因此，及時有效地發(fā)現和撲救火災是十分必要的。煙霧是動態(tài)紋理的一種形式，動態(tài)紋理特征的提取對煙霧識別具有非常重要的作用，因此，動態(tài)紋理分類方法具有很大的實際意義。本文將深度學習用于動態(tài)紋理特征的提取,并成功應用于動態(tài)場景的分類中。
　　本文研究與分析了現有動態(tài)紋理分類方法以及三種典型的深度學習網絡結構，即深度置信網絡模型、多層降噪自動編碼網絡模型和卷積神經網絡模型，提出了基于深度學習網絡模型的

2、動態(tài)場景分類方法，主要工作有以下幾個方面：
　　首先，提出一種基于多層降噪自動編碼網絡模型的慢特征分析法，用于提取動態(tài)紋理特征。慢特征分析法的本質是從不斷變化的輸入信號中提取緩慢變化的信號特征，然而，輸入信號非線性擴展空間的局限性使得輸出的特征維度較大，多層降噪自動編碼網絡模型對輸入數據起到比較好的降維作用，同時能學習到輸入數據更高級的信號特征。實驗證明，該方法與現有方法比較，極大地提高了動態(tài)紋理分類的準確率。
　　其次，在

3、2D卷積神經網絡的基礎上，提出了一種3D卷積神經網絡模型。原始的2D卷積神經網絡對二維圖像的特征提取有很好的作用，但并不適用于視頻圖像序列。本文提出的3D卷積網絡模型直接對連續(xù)圖像幀進行操作，將卷積和下采樣層交替堆疊組成網絡結構。實驗證明，該網絡模型能提取出更高級的視頻紋理特征，并且在動態(tài)場景分類中有很好的效果。
　　最后，在上述動態(tài)紋理特征分類方法研究的基礎上，本文在 Visual Studio2010的編譯環(huán)境下設計了一套森林