[发明专利]基于IFCS/Otsu的IOFR火焰识别方法

摘要

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。

主权项

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。

2.根据权利要求1所述一种基于IFCS/Otsu的IOFR火焰识别方法，其特征在于，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。

3.根据权利要求1所述一种基于IFCS/Otsu的IOFR火焰识别方法，其特征在于，对粒子的初始化进行改进，具体是：

本申请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(M＞N)个向量Z₁,Z₂,Z₃,...,Z_i,...,Z_M；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，则x_ij为第i个粒子的第j维的坐标。

4.根据权利要求1所述一种基于IFCS/Otsu的IOFR火焰识别方法，其特征在于，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_a′_vg为优于f_avg的适应度平均值。

5.根据权利要求1所述一种基于IFCS/Otsu的IOFR火焰识别方法，其特征在于，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_g′_Best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。

6.根据权利要求1所述一种基于IFCS/Otsu的IOFR火焰识别方法，其特征在于，建立粒子群算法的局部优化处理机制，具体是：

(