[发明专利]一种基于双光谱视频图像预测林火蔓延方法及系统

权利要求书

1.一种基于双光谱视频图像预测林火蔓延方法，其特征在于，包括以下步骤：

步骤A：获取森林场景中的第一图像、第三图像以及第二图像，所述第一图像与第三图像为不同时间点上获取的同一场景的可见光图像，所述第二图像为热成像图像；

步骤B：通过第一图像与第三图像中的光流场，计算森林场景中的风向Fx与风力Fl；

步骤C：计算第二图像中的梯度方向与梯度值，并将梯度方向与梯度值转换为阻燃因子z；

步骤D：通过最优物种燃烧卷积神经网络对第一图像中的物种进行分析，获得第一图像中的物种燃烧因子r；

步骤E：通过最优林火卷积神经网络识别第一图像中的林火类型；

步骤F：根据步骤E中识别的林火类型，基于风力Fl、风向Fx、阻燃因子z以及物种燃烧因子r参数，对森林场景中的林火蔓延趋势进行预测。

2.根据权利要求1所述的一种基于双光谱视频图像预测林火蔓延方法，其特征在于，所述步骤B中具体的操作步骤包括：

分别对第一图像与第三图像中的sift特征点进行提取；

对第一图像的sift特征点进行特征匹配，获得特征匹配点P；

对第三图像的sift特征点进行特征匹配，获得特征匹配点Q；

通过匹配点P与Q计算森林场景中的风向Fx与风力Fl。

3.根据权利要求2所述的一种基于双光谱视频图像预测林火蔓延方法，其特征在于，所述风向Fx表达式为：

所述风力Fl表达式为：

P_ix，P_iy为匹配点P在第一图像上的横纵坐标，Q_ix，Q_iy为匹配点Q在第三图像上的横纵坐标，n为匹配点数量。

4.根据权利要求1所述的一种基于双光谱视频图像预测林火蔓延方法，其特征在于，所述步骤C中，所述梯度方向与梯度值转换为阻燃因子z具体表达式为：

d为梯度值，θ为梯度方向。

5.根据权利要求1所述的一种基于双光谱视频图像预测林火蔓延方法，其特征在于，所述步骤D中，具体操作步骤为：

D1：搭建物种燃烧卷积神经网络；

D2：获取历史图像中某一物种的数据集，将数据集划分为训练数据集与验证数据集；

D3：将训练数据集输入到物种燃烧卷积神经网络中，对物种燃烧卷积神经网络进行训练；

D4：将验证数据集输入到训练之后的物种燃烧卷积神经网络中，并通过第一损失函数，采用梯度下降的方式对物种燃烧卷积神经网络进行优化，获得优化物种燃烧卷积神经网络；

D5：获取历史图像中不同物种的历史数据集，并对同一物种的数据集依次经过步骤S2～步骤S4中进行训练优化，获得最优物种燃烧卷积神经网络；

D6：通过最优物种燃烧卷积神经网络对第一图像进行分析，获得第一图像中的物种燃烧因子r。

6.根据权利要求5所述的一种基于双光谱视频图像预测林火蔓延方法，其特征在于，所述第一损失函数为y为网络输出的预测值，Y为输出的期望值。

7.根据权利要求1所述的一种基于双光谱视频图像预测林火蔓延方法，其特征在于，所述步骤E的具体操作步骤为：

E1：搭建林火燃烧卷积神经网络；

E2：获取历史图像中某种类型的林火数据集，将林火数据集划分为训练数据集与验证数据集；

E3：将训练数据集输入到林火燃烧卷积神经网络中，对林火卷积神经网络进行训练；

E4：将验证数据集输入到训练之后的林火卷积神经网络中，并通过第二损失函数，采用梯度下降的方式对对林火卷积神经网络进行优化，获得优化林火卷积神经网络；

E5：获取历史图像中不同林火类型的历史数据集，并对同一类型的林火数据集依次经过步骤E2-步骤E4中进行训练优化，获得最优林火卷积神经网络；

E6：将第一图像输入到最优林火卷积神经网络中，输出数字值代表林火类型，若输出值为0，则代表地面火，若输出值为1，则代表树冠火，若输出值为2则代表飞火。