[发明专利]基于IFCS/Otsu的IOFR火焰识别方法

权利要求书

1.一种基于IFCS/Otsu的IOFR火焰识别方法，其特征在于，具体步骤如下：

步骤一：建立IFCS颜色空间，具体操作如下：

A1.提取火焰识别的特征像素并构造特征矩阵；

A2.对粒子的初始化进行改进；

A3.改进粒子群算法的参数；

A4.改进粒子群算法的更新方式；

A5.建立粒子群算法的局部优化处理机制；

步骤二：建立基于IFCS/Otsu的IOFR火焰识别算法，具体操作如下：

B1.生成IFCS颜色空间图像；

B2.采用Otsu阈值方法进行目标提取；

提取火焰识别的特征像素并构造特征矩阵，具体是：

先从多个森林火灾的图像中选择一张样本图像，从样本图像的火焰区域和非火焰区域的不同部分选择子图像，这些子图像组成火焰样本图像和非火焰样本图像；通过行或列扫提取各个像素的颜色值分量R/G/B形成特征矩阵T，特征矩阵T由火焰像素和非火焰像素组成，每一行代表一个像素，每列属于这些像素的一个颜色维度；

对粒子的初始化进行改进，具体是：

采用立方映射产生的混沌序列对PSO算法位置初始化进行改进，立方映射的表达式为：

对于D维空间中的N个粒子，首先随机产生一个D维向量Z₁＝(z₁₁,z₁₂,...,z_1D)，向量的每个分量数值在0～1之间，然后根据上式对向量Z₁的每一维进行循环迭代，得到M个向量Z₁,Z₂,Z₃,...,Z_i,...,Z_M，其中M＞N；将Z_i的各个分量映射到解的搜索空间内，映射公式为：

其中x_jmax，x_jmin为搜索空间第j维的上、下限，z_ij是用式(1.2.1)产生的第i个混沌向量的第j维变量，x_ij为第i个粒子的第j维的坐标；

改进粒子群算法的参数，具体操作是：

引入动态非线性调整策略来平衡c₁和c₂的关系，c₁和c₂通过动态变化，控制粒子的飞行轨迹，c₁和c₂更新公式如下：

其中，k为当前迭代次数，iter_max为最大迭代次数，c_1init，c_1finish分别为c₁的初始值和最终值；c_2init，c_2finish分别为c₂的初始值和最终值；

基于粒子适应度的自适应调节惯性权重w的更新公式为：

其中，

其中，N为粒子群规模，G为适应度值优于平均适应度值的粒子个数，P_i是粒子i的最优位置，f_gBest为全局最优粒子的适应度值，f_avg为全部粒子的平均适应度值，f′_avg为优于f_avg的适应度平均值；

改进粒子群算法的更新方式，具体是：

采用异步模式下更新全局最优值的公式为：

式中，P′_gBest为更新后的全局最优粒子位置，P_gBest为更新前的全局最优粒子位置；

建立粒子群算法的局部优化处理机制，具体是：

(1)早熟判断机制：选取粒子群适应度方差和平均粒距相结合作为早熟收敛判断的条件；

粒子群适应度方差反映了粒子群中所有粒子的离散程度，用σ²表示，其计算公式为：

其中，f_i表示粒子i的适应度值，f_avg表示所有粒子的平均适应度值；F为归一化定标因子，其作用是限制σ²的取值大小，F的取值采用如下公式计算：

σ²越小，则粒子群就越趋于收敛；反之，则粒子群处于分散状态，粒子距最优位置就越远；

平均粒距表示各粒子相互之间的分布分散程度，用dis表示，则

其中，N为粒子群种群规模，L为搜索空间对角最大长度，D为粒子维数，x_ij表示第i粒子第j维值，为所有粒子第j维均值；

为粒子群适应度方差σ²和平均粒距分别设置一个早熟阈值H和α，在粒子群搜索过程中，当σ²＜H或dis＜α时，且此时未达到最优适应度阈值f_d，即f_gBest＞f_d时，则判定算法陷入了早熟收敛；

(2)混沌搜索机制，具体操作如下：

步骤1：将较优的粒子X按照式(1.5.5)映射到[-1,1]；

其中x_jmax，x_jmin为搜索空间第j维的上、下限，x_j为X的第j维数据，cx_0j为CX₀第j维映射数据；

步骤2：根据式(1.2.1)进行迭代产生R个混沌变量序列CX_i,i∈[1,R]；

步骤3:把这些产生的混沌变量序列按照式(1.2.2)逆映射返回到优化变量的取值区间[x_jmin,x_jmax]，获得R个粒子X_i,i∈[1,R]；

步骤4：利用式(1.5.6)更新搜索决策变量λ_t由式(1.5.7)确定；

其中λ_t是扰动强度，t为当前迭代次数，iter_max为最大迭代次数；

步骤5：计算每个粒子的适应度值，保留适应度值最好的粒子

步骤6：X^*适应度值与X适应度值进行比较，如果前者比后者更优，则以混沌搜索到的最好混沌序列X^*取代粒子X；否则，继续使用原X进行计算；

生成IFCS颜色空间图像，具体操作是：

从RGB颜色空间到IFCS颜色空间的转换过程，如式(2.1.1)所示；

Y＝X·U (2.1.1)

其中，U是IFCS转换矩阵，X为待识别RGB颜色空间图像，Y为IFCS颜色空间图像；

采用Otsu阈值方法进行目标提取，具体是：将像素信息用灰度值表示，灰度值统计信息用直方图表示；最大化类间差得到基于直方图的集中于目标的阈值判别式，对IFCS颜色空间图像Y进行阈值分割，实现目标提取。