[发明专利]一种高效的森林火灾探测系统

权利要求书

1.一种高效的森林火灾探测系统，其特征是，包括图像采集模块、图像预处理模块、图像分割模块、火灾识别模块和自动预警模块，所述图像采集模块通过一个红外摄像机对森林进行全天候监控,采集森林的红外图像,所述图像预处理模块用于对采集得到的原始红外图像进行滤波处理和图像增强,去除图像中的噪声干扰并且增强图像的对比度,所述图像分割模块用于在处理后的图像中分割出火焰区域和背景区域,所述火灾识别模块用于提取所述火焰区域的特征参数,采用多特征融合识别火焰,从而判断是否有火灾发生,所述自动预警模块用于在判断有火灾发生时即进行预警，所述图像分割模块包括阈值寻找单元和阈值分割单元，所述阈值寻找单元采用改进的粒子群优化算法寻找图像的分割阈值，从而使得分割后的图像的总熵最大，具体包括：

(1)改进粒子群的速度和位置更新公式，用于通过改进粒子的速度和位置更新公式，从而提高粒子群算法的搜索效率，具体为：

s_ks(r+1)＝V_ks(r+1)*t_r+s_ks(r)

式中，t_r是粒子飞行所用的时间，s_ks(r+1)为粒子k的第s维在r+1次迭代时的位置，s_ks(r)为粒子k的第s维在r次迭代时的位置，t_max为粒子飞行的最长时间，r为粒子的当前迭代次数，r_max为粒子的最大迭代次数，c₁、c₂和c₃是加速度因子，是粒子k在r次迭代时的惯性权重，V_ks(r)是粒子k的第s维的速度，p_ks(r)是粒子k的第s维的最优位置,p_w(r)是粒子k的第s维的最差位置，p_gs(r)是全体粒子的第s维的最优解，r₁、r₂和r₃是0到1之间的随机数；

(2)改进惯性权重因子，用于通过改进惯性权重因子的计算方法，使得粒子群优化算法具有动态适应性，具体为：

式中，是第r次迭代时粒子k的进化速度因子,j^r是第r次迭代时种群的聚集度因子，是第r-1次迭代时粒子k的最佳位置的适应度，是第r次迭代时粒子k的最佳位置的适应度，f_k是粒子k的适应度，是第r次迭代时的平均适应度，w₀是惯性权重的初值，δ和μ分别是进化速度因子和聚集程度因子的权重，且δ+μ＝1；

(3)定义粒子群优化算法的适应度函数为f，红外图像的灰度范围为{0,1,2,…,K-1}，设图像的分割阈值为[l₁,l₂,…,l_c]，则适应度函数f为：

式中，P_i为灰度级i的像素点的概率，d₀为分割阈值(0～l₁)范围内的像素点总数，d₁为分割阈值(l₁～l₂)范围内的像素点总数，d_c-1为分割阈值(l_c-1～K-1)范围内的像素点总数，所述阈值分割单元采用计算所得的分割阈值对图像的火焰区域和背景区域进行分割。

2.根据权利要求1所述的一种高效的森林火灾探测系统，其特征是，所述自动预警模块包括声音预警和光电预警。

3.根据权利要求1所述的一种高效的森林火灾探测系统，其特征是，所述图像预处理模块包括图像滤波单元和图像增强单元，所述图像滤波单元用于对所述原始红外图像进行滤波处理，去除图像中的噪声干扰，所述图像增强单元用于对滤波后的图像进行增强，从而增强图像的对比度。