[发明专利]基于IFCS/Otsu的IOFR火焰识别方法

说明书

本发明公开了一种基于IFCS/Otsu的IOFR火焰识别方法，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颜色空间图片；B2.采用Otsu阈值方法进行目标提取。该方法突出火焰/非火焰像素颜色属性差异特性，保证计算的简单快捷；同时降低当前基于FCS颜色空间火焰识别算法的火焰错判率。

技术领域

本申请属于图像识别领域，具体说是一种基于IFCS/Otsu的IOFR火焰识别方法。

背景技术

森林火灾给人类的生命财产安全带来威胁，使用火灾检测系统保护森林资源是现代防火方式发展趋势的必然需求。传统的火灾探测技术受监控环境的影响，它的误报率较高，不适合用于大空间火灾探测。随着现代科学技术的快速发展，鉴于图像丰富直观的特点,基于图像的森林火灾探测技术已经成为了当前火灾探测技术的研究热点，有着广阔的发展前景。

基于RGB颜色空间低复杂度的优点，利用像素各颜色分量值范围，Chen等人基于色彩和动态特征检测烟雾像素，使用火焰的无序特征和火焰区域生长特性提取火焰像素，提出两阶段火灾探测方法,该方法实现了基于图像的火灾智能探测技术。为了强调像素各颜色分量值范围，突出R与B的关系，增加火焰像素的亮度特征，梁俊山等人提出了基于RGB颜色空间模糊聚类的火灾检测算法，利用像素运动累积，借助有监督模糊聚类法，结合火焰的运动特征进行火焰识别。该方法误报率相对较低，但是聚类算法的时间复杂度过高。

基于HSI颜色空间与人眼有很好视觉一致性的优点，方维提出一种基于改进FCM聚类的火灾图像分割方法，该方法根据数据分布特点确定色度分量H和亮度分量I初始聚类中心后，在直方图特征空间分别对其进行模糊聚类处理，该方法可以适当排除高亮区域的干扰，克服灰度化分割导致分割不准确的问题，复杂度较高。Dattathreya等人将不规则运动矢量估计火焰区域和HIS颜色信息相结合建立了火焰检测系统，实现了火焰和火焰颜色相似物体的区分，但增加了复杂度。

基于YCbCr颜色空间具有在色度信息中分离出亮度的能力优点，Celik等人提出了一种用于火焰像素分类的基于规则的通用颜色模型，该模型使用YCbCr色彩空间分离亮度色度比RGB或HIS颜色空间更有效描述了火焰行为。Prema等提出了基于YCbCr颜色空间的火焰图像分割方法，不仅可以识别火焰像素，还能分离出高温火焰中心像素。但是方法复杂度高。

可见，颜色空间是任何一种基于图像的森林火灾探测技术的关键技术，严重影响火灾检测性能。Khatami A等人提出了一种基于新颜色空间FCS(FCS，Fire-based ColorSpace,FCS)的火焰像素检测方法，该方法通过粒子群优化算法(Particle SwarmOptimization,PSO)和k-medoids聚类方法构建火焰彩色空间，建立了颜色空间模型FCS，并在FCS颜色空间上使用经典的Ostu方法进行火焰识别。利用FCS颜色空间进行火焰识别，可以突出火焰/非火焰像素颜色属性差异特性，保证计算的简单快捷。火焰检测执行速度快，并在火焰和非火焰像素颜色相似性较高的情况下表现良好；但是该算法具有较高的火焰错判率。

发明内容

针对FCS颜色空间火焰错判率高的特点，本申请提出了一种基于IFCS/Otsu的IOFR火焰识别方法，该方法首先通过引入混沌理论，采用混沌序列初始化粒子、自适应调整惯性权重、动态非线性调整学习因子、混沌搜索跳出局部最优等方法对火焰颜色空间模型FCS(Fi re-based Color Space,FCS)进行改进，得到IFCS颜色空间模型，然后在IFCS火焰颜色空间中通过经典Otsu阈值方法得到二值图像，从而建立了IOFR火焰识别算法。

为实现上述目的，本申请采用的技术方案是：一种基于IFCS/Ot su的IOFR火焰识别方法，具体步骤如下：