1、論文以無(wú)線(xiàn)多媒體傳感器網(wǎng)絡(luò)作為研究對(duì)象，分析了無(wú)線(xiàn)傳感網(wǎng)絡(luò)的發(fā)展歷程和應(yīng)用前景，鑒于傳統(tǒng)的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)固有的局限性，難以滿(mǎn)足人們對(duì)多媒體信息的需求；針對(duì)火災(zāi)檢測(cè)、外來(lái)入侵監(jiān)測(cè)、目標(biāo)姿念監(jiān)測(cè)等特定的應(yīng)用環(huán)境，目標(biāo)事件的發(fā)生具有一定的偶然性，為了最大程度的節(jié)省節(jié)點(diǎn)能量，延長(zhǎng)網(wǎng)絡(luò)壽命，減少無(wú)用數(shù)據(jù)的采集，采用事件驅(qū)動(dòng)的方法，即只有在事件發(fā)生時(shí)才觸發(fā)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的通訊功能，按照事件區(qū)域的大小來(lái)組織成簇。論文分析了基于圖像事件驅(qū)動(dòng)的區(qū)域成簇算

2、法EAECA（Event-Area Based Energy Optimum Clustering Algorithms），并對(duì)圖像事件的捕捉過(guò)程和事件區(qū)域的成簇過(guò)程進(jìn)行了詳細(xì)的論述。
　　 文章首先研究無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的特點(diǎn)，分析了當(dāng)前研究中存在的兩個(gè)核心問(wèn)題，節(jié)點(diǎn)能量和QoS（Quality of Service）。針對(duì)這兩個(gè)研究核心，在圖像事件的捕捉部分，考慮了節(jié)點(diǎn)運(yùn)算能耗和圖像檢測(cè)實(shí)時(shí)性的情況，研究了幀差法圖像事件捕捉算法

3、和背景相減法的圖像事件捕捉過(guò)程，并對(duì)背景差分模型建立的樣本空間 N和背景差分閾值T之間的關(guān)系做了分析，經(jīng)過(guò)在實(shí)際視頻對(duì)象目標(biāo)捕捉中的應(yīng)用，確定了合理的背景統(tǒng)計(jì)樣本空間N和差分閾值T，并在不同場(chǎng)景目標(biāo)檢測(cè)過(guò)程中表現(xiàn)出良好的效果。
　　 然后，在事件區(qū)域成簇過(guò)程中，論文提出了基于能量最優(yōu)的簇頭選舉原則，詳細(xì)論述了事件區(qū)域和簇頭選舉的建模過(guò)程，對(duì)計(jì)算機(jī)仿真結(jié)果進(jìn)行了分析；采用matlab7.0進(jìn)行了仿真仿真，針對(duì)L，EACH（LOW

4、Energy Adaptive Clustering Hierarchy）算法和EAECA算法的不同仿真機(jī)制，從數(shù)據(jù)通訊量、網(wǎng)絡(luò)能量利用效率、簇頭平均能耗三個(gè)角度做了對(duì)比仿真，并對(duì)仿真數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析，仿真結(jié)果驗(yàn)證了理論分析。
　　 最后，論文總結(jié)了基于圖像事件驅(qū)動(dòng)的EAECA分簇算法，該算法具有數(shù)據(jù)傳輸量大，網(wǎng)絡(luò)能量利用率高，能量消耗均衡等特點(diǎn)。對(duì)多媒體傳感器網(wǎng)絡(luò)可有效延長(zhǎng)網(wǎng)絡(luò)生存期，提高事件反映速度，均衡網(wǎng)絡(luò)能量的消耗，提