贾鹤鸣，李 瑶，姜子超，孙康健

（1.三明学院信息工程学院，福建三明 365004；2.东北林业大学机电工程学院，哈尔滨 150040）

（*通信作者电子邮箱jiaheminglucky99@126.com）

0 引言

森林火灾是指超出了人的控制范围后，在林场内肆意扩散的林火行为，这种自然灾害因其突发性高、破坏力强等特点，导致扑灭和救援工作较为困难。它不仅会对森林造成巨大破坏，还会对整个森林生态系统和附近的居民造成灾难性打击，所以森林防火的重要性不言而喻［1］。为观察森林情况，人们从传统的人力巡山到使用轻便灵活的无人机，或在林场安置红外摄像头等方式对森林实时监控，其中绝大多数技术手段都需要对图像中火源部分进行分割提取，从而分辨出火灾确切位置及火势蔓延程度［2］。图像分割是从图像处理到图像分析的重要过程，其目的在于将给定的图像分成若干个特定区域并分割出感兴趣的目标，其分割质量将对后续识别分析产生重要影响［3］。目前，常用的图像分割方法主要有：阈值分割、区域生长、边缘检测等，其中，阈值分割由于其简单高效且性能稳定的特点，被广泛应用在林火图像分割领域。2018年，胡加鑫等［4］为监测森林火灾的状况，使用鲸鱼算法结合的Otsu法对林火图像进行多阈值分割；2019年，胡鑫等［5］将因子分析与深度学习的长短期记忆网络结合对林火图像分割，提取火焰及背景图像的特征进行训练得到分类结果，分割效果较好。

为解决多阈值图像分割算法存在的计算量大、运算时间较长等问题，诸多学者采用元启发式优化算法对多阈值图像分割进行研究：程述立等［6］提出了群智能算法优化结合熵的最大类间方差法，既降低了计算复杂度又具有较好的抗噪能力；……