1.一种基于图像处理的森林火灾检测系统，其特征在于：包括布设在森林中多个不同位置处的图像采集传输装置(1)和设置在监控中心的监控计算机(2)，所述图像采集传输装置(1)包括支架(3)以及安装在支架(3)顶部的红外摄像头(4)、图像采集传输控制器(5)和太阳能供电系统；所述太阳能供电系统包括太阳能光伏板(6-1)、太阳能发电控制器(6-2)和蓄电池(6-3)，所述太阳能发电控制器(6-2)包括太阳能发电微控制器模块(6-21)和用于将蓄电池(6-3)输出的电压转换为太阳能发电控制器(6-2)中各用电模块所需电压的第一电压转换电路(6-25)，所述太阳能发电微控制器模块(6-21)的输入端接有太阳能光伏板电压检测电路(6-22)和蓄电池电压检测电路(6-23)，所述太阳能光伏板电压检测电路(6-22)与太阳能光伏板(6-1)的输出端连接，所述蓄电池电压检测电路(6-23)与蓄电池(6-3)的输出端连接，所述太阳能发电微控制器模块(6-21)的输出端接有充放电控制电路(6-24)，所述充放电控制电路(6-24)接在太阳能光伏板(6-1)与蓄电池(6-3)之间；所述图像采集传输控制器(5)包括图像采集传输微控制器模块(5-1)和用于将蓄电池(6-3)输出的电压转换为图像采集传输控制器(5)中各用电模块所需电压的第二电压转换电路(5-2)，以及与图像采集传输微控制器模块(5-1)相接的数据存储器(5-8)和用于与监控计算机(2)无线通信的无线通信模块(5-3)，所述红外摄像头(4)与图像采集传输微控制器模块(5-1)的输入端连接，所述图像采集传输微控制器模块(5-1)的输入端还接有温度传感器(5-4)、烟雾浓度传感器(5-5)和用于定位的GPS定位模块(5-6)，所述图像采集传输微控制器模块(5-1)的输出端接有声光报警器(5-7)。2.按照权利要求1所述的基于图像处理的森林火灾检测系统，其特征在于：所述太阳能发电微控制器模块(6-21)包括ARM微控制器LPC2131。3.按照权利要求2所述的基于图像处理的森林火灾检测系统，其特征在于：所述蓄电池电压检测电路(6-23)包括电阻R19、电阻R20和电阻R21，所述电阻R19和电阻R20串联后接在所述蓄电池(6-3)的正极电压输出端和负极电压输出端之间，所述电阻R21的一端与所述电阻R19和电阻R20的连接端连接，所述电阻R21的另一端与所述ARM微控制器LPC2131的第15引脚连接；所述充放电控制电路(6-24)包括防反充二极管D19、升压电路、续流二极管D20、充电控制电路和放电控制电路，所述升压电路包括芯片LM25716-ADJ，所述芯片LM25716-ADJ的第1引脚通过串联的电阻R13和非极性电容C2接地，所述芯片LM25716-ADJ的第4引脚通过串联的电阻R14和电阻R15接地，所述芯片LM25716-ADJ的第2引脚与电阻R14和电阻R15的连极端连接，所述芯片LM25716-ADJ的第4引脚与第5引脚之间接有电感L1，所述芯片LM25716-ADJ的第5引脚与防反充二极管D19的阴极连接，所述防反充二极管D19的阳极与所述太阳能光伏板(6-1)的正极电压输出端连接；所述充电控制电路包括MOSFET管Q1和型号为TLP521的光耦隔离芯片U2，所述光耦隔离芯片U2的第1引脚通过电阻R22与所述ARM微控制器LPC2131的第1引脚连接，所述光耦隔离芯片U2的第4引脚通过电阻R24与所述芯片LM25716-ADJ的第4引脚连接，且通过电阻R25与MOSFET管Q1的栅极连接，所述MOSFET管Q1的漏极与所述芯片LM25716-ADJ的第4引脚连接，所述MOSFET管Q1的源极与蓄电池(6-3)的正极连接；所述放电控制电路包括MOSFET管Q2和型号为TLP521的光耦隔离芯片U3，所述光耦隔离芯片U3的第1引脚通过电阻R23与所述ARM微控制器LPC2131的第19引脚连接，所述光耦隔离芯片U3的第4引脚通过电阻R26与蓄电池(6-3)的正极连接，且通过电阻R27与MOSFET管Q2的栅极连接，所述MOSFET管Q2的漏极与蓄电池(6-3)的负极连接，所述MOSFET管Q2的源极与第一电压转换电路(6-25)和第二电压转换电路(5-2)的负极电压输入端连接，所述第一电压转换电路(6-25)的正极电压输入端和第二电压转换电路(5-2)的正极电压输入端均与蓄电池  (6-3)的正极连接；所述续流二极管D20的正极与蓄电池(6-3)的负极连接，所述续流二极管D20的负极与蓄电池(6-3)的正极连接；所述太阳能光伏板电压检测电路(6-22)包括电阻R16、电阻R17和电阻R18组成，所述电阻R16和电阻R17串联后接在所述芯片LM25716-ADJ的第4引脚与地之间，所述电阻R18的一端与所述电阻R16和电阻R17的连接端连接，所述电阻R18的另一端与所述ARM微控制器LPC2131的第13引脚连接。4.按照权利要求1所述的基于图像处理的森林火灾检测系统，其特征在于：所述图像采集传输微控制器模块5-1包括DSP数字信号处理器TMS320F2812。5.按照权利要求4所述的基于图像处理的森林火灾检测系统，其特征在于：所述数据存储器(5-8)包括卡槽SDCARD-M和12针插头P4，所述卡槽SDCARD-M的第1引脚、第2引脚、第3引脚、第5引脚、第7引脚和第8引脚依次对应与12针插头P4的第6引脚、第5引脚、第4引脚、第3引脚、第2引脚和第1引脚连接，所述12针插头P4的第1引脚、第2引脚、第3引脚、第4引脚、第5引脚和第6引脚分别通过电阻R13、电阻R14、电阻R15、电阻R16、电阻R17和电阻R18与第二电压转换电路(5-2)的+3.3V电压输出端连接；所述卡槽SDCARD-M的第4引脚与第二电压转换电路(5-2)的+3.3V电压输出端连接，且通过电容C18接地；所述卡槽SDCARD-M的第6引脚、第10引脚和第11引脚均接地；所述12针插头P4的第8引脚、第9引脚、第10引脚和第11引脚依次对应与DSP数字信号处理器TMS320F2812的第40引脚、第41引脚、第34引脚和第35引脚连接。6.按照权利要求4所述的基于图像处理的森林火灾检测系统，其特征在于：所述无线通信模块(5-3)包括异步通信电路、与异步通信电路连接的CDMA模块、与CDMA模块连接的UIM卡接口电路和接在UIM卡接口电路上的UIM卡，所述异步通信电路包括芯片SN74AHC245、非极性电容C13、电阻R9和电阻R10，所述芯片SN74AHC245的第1引脚、第10引脚和第19引脚均接地，所述芯片SN74AHC245的第2引脚与所述DSP数字信号处理器TMS320F2812的第91引脚连接，所述芯片SN74AHC245的第5引脚与所述DSP数字信号处理器TMS320F2812的第92引脚连接，所述芯片SN74AHC245的第7引脚与所述DSP数字信号处理器TMS320F2812的第93引脚连接，所述芯片SN74AHC245的第14 引脚通过电阻R10与所述DSP数字信号处理器TMS320F2812的第174引脚连接，所述芯片SN74AHC245的第17引脚通过电阻R9与所述DSP数字信号处理器TMS320F2812的第90引脚连接，所述芯片SN74AHC245的第20引脚与第二电压转换电路(5-2)的+3.3V电压输出端连接且通过非极性电容C13接地；所述CDMA模块包括芯片CEM800、非极性电容C18、非极性电容C19、非极性电容C20和非极性电容C21，所述芯片CEM800的第1引脚、第3引脚、第5引脚和第7引脚均与第二电压转换电路(5-2)的+3.3V电压输出端连接，所述芯片CEM800的第2引脚、第4引脚、第6引脚、第8引脚、第50引脚和第56引脚均接地，所述芯片CEM800的第30引脚与所述芯片SN74AHC245的第18引脚连接，所述芯片CEM800的第32引脚与所述芯片SN74AHC245的第3引脚连接，所述芯片CEM800的第36引脚与所述芯片SN74AHC245的第6引脚连接，所述芯片CEM800的第38引脚与所述芯片SN74AHC245的第13引脚连接，所述非极性电容C18、非极性电容C19、非极性电容C20、非极性电容C21和非极性电容C76并联接在第二电压转换电路(5-2)的+3.3V电压输出端与地之间；所述UIM卡接口电路包括用于插入UIM卡的UIM卡槽UIM、电阻R11、电阻R20、电阻R21、电阻R22、非极性电容C14、非极性电容C23、非极性电容C24、非极性电容C25、稳压二极管D4、稳压二极管D5、稳压二极管D6和稳压二极管D7，所述UIM卡槽UIM的第2引脚与所述芯片CEM800的第46引脚和电阻R11的一端连接，所述UIM卡槽UIM的第3引脚与所述电阻R22的一端连接，所述电阻R11的另一端、电阻R22的另一端、非极性电容C23的一端和稳压二极管D5的负极均与所述芯片CEM800的第44引脚连接，所述UIM卡槽UIM的第4引脚、非极性电容C14的一端和稳压二极管D4的负极均与所述芯片CEM800的第46引脚连接，所述UIM卡槽UIM的第5引脚与所述电阻R20的一端连接，所述电阻R20的另一端、非极性电容C24的一端和稳压二极管D6的负极均与所述芯片CEM800的第42引脚连接，所述UIM卡槽UIM的第6引脚与所述电阻R21的一端连接，所述电阻R21的另一端、非极性电容C25的一端和稳压二极管D7的负极均与所述芯片CEM800的第48引脚连接，所述UIM卡槽UIM的第1引脚、非极性电容C14的另一端、稳压二极管D4的正极、非极性电容C23的另一端、稳压二极管D5的正极、非极性电容C24的另一端、稳压二极管D6的正极、非极性电容C25的另一端和稳压二极管D7的正极均接地。7.按照权利要求4所述的基于图像处理的森林火灾检测系统，其特征在于：所述GPS定位模块(5-6)为BD/GPS双模接收机模块ATGM332D，所述BD/GPS双模接收机模块ATGM332D的串口接收引脚RXD与所述DSP数字信号处理器TMS320F2812的第157引脚连接，所述BD/GPS双模接收机模块ATGM332D的串口发送引脚TXD与所述DSP数字信号处理器TMS320F2812的第155引脚连接，所述BD/GPS双模接收机模块ATGM332D的时间脉冲信号引脚PPS与所述DSP数字信号处理器TMS320F2812的第98引脚连接。8.一种利用如权利要求1所述系统进行森林火灾检测的方法，其特征在于，该方法包括以下步骤：步骤一、构建存储在监控计算机(2)中的火焰像素比对样本数据和非火焰像素比对样本数据，具体过程为：步骤101、将火灾图像数据集存储到监控计算机(2)中；步骤102、监控计算机(2)调用火灾像素与非火灾像素特征提取模块对火灾图像样本数据集进行特征提取，得到火灾图像样本数据集中各火灾图像的火焰像素颜色模型和非火焰像素颜色模型；步骤103、监控计算机(2)调用火焰像素分析模块并采用基于粒子群算法优化的K-中值算法分别对各火灾图像的火焰像素颜色模型进行聚类，得到各火灾图像的火焰像素颜色模型的K个聚类；具体过程为：步骤1031、监控计算机(2)定义各火灾图像的火焰像素颜色模型分别为样本X1 ,X2,…,Xn；其中，n为各火灾图像的火焰像素颜色模型的数量；步骤1032、监控计算机(2)调用初始聚类中心确定模块并采用粒子群算法确定出K个类别中心μ1,μ2,…,μK，其中，K为不大于n的正整数；步骤1033、监控计算机(2)根据相似度函数计算样本与聚类中心的相似度，对每个样本Xi，找到与其最接近的聚类中心μj后，将其标记为聚类中心μj的类

别；其中，i的取值为1～n的正整数，j的取值为1～K的正整数，D(Xi,μj)为待分类样本与已知样本之间的欧氏距离，C(Xi,μj)为待分类样本与已知样本之间的相关距离；步骤1034、监控计算机(2)根据公式将每个类别中心更新为隶属该类别

的所有样本的均值；其中，Nj为属于聚类中心μj的样本数；步骤1035、重复步骤1033和步骤1034，直到类别中心的变化小于预先设定的类别中心变化阈值，并将K个更新后的类别中心定义为各火灾图像的火焰像素颜色模型的K个聚类；步骤104、监控计算机(2)调用非火焰像素分析模块并采用基于粒子群算法优化的K-中

值算法分别对各火灾图像的非火焰像素颜色模型进行聚类，得到非火焰像素的个聚类；

具体过程为：步骤1041、监控计算机(2)定义各火灾图像的非火焰像素颜色模型分别为样本X1 ,X2,…,Xn；其中，n为各火灾图像的非火焰像素颜色模型的数量；步骤1042、监控计算机(2)调用初始聚类中心确定模块并采用粒子群算法确定出个类

别中心μ1,μ2,…,μK，其中，为不大于n的正整数；步骤1043、监控计算机(2)根据相似度函数计算样本与聚类中

心的相似度，对每个样本Xi，找到与其最接近的聚类中心μj后，将其标记为聚类中心μj的类

别；其中，i的取值为1～n的正整数，j的取值为的正整数，D(Xi,μj)为待分类样本与已

知样本之间的欧氏距离，C(Xi,μj)为待分类样本与已知样本之间的相关距离；步骤1044、监控计算机(2)根据公式将每个类别中心更新为隶属该类别

的所有样本的均值；其中，Nj为属于聚类中心μj的样本数；步骤1045、重复步骤1043和步骤1044，直到类别中心的变化小于预先设定的类别中心

变化阈值，并将个更新后的类别中心定义为各火灾图像的非火焰像素颜色模型的个聚

类；步骤105、监控计算机(2)定义各火灾图像的火焰像素颜色模型的K个聚类为火焰像素

比对样本数据并存储，定义各火灾图像的非火焰像素颜色模型的个聚类为非火焰像素比

对样本数据并存储；步骤二、图像采集及传输：图像采集传输装置(1)中的温度传感器(5-4)对其所处环境的温度进行实时检测并将检测到的信号输出给图像采集传输微控制器模块(5-1)，烟雾浓度传感器(5-5)对其所处环境的烟雾浓度进行实时检测，并将所检测到的信号输出给图像采集传输微控制器模块(5-1)，图像采集传输微控制器模块(5-1)将其接收到的温度检测数据与预先设定的温度阈值数据相比对，并将其接收到的烟雾浓度检测数据与预先设定的烟雾浓度阈值数据相比对，当温度检测数据大于温度阈值数据且烟雾浓度检测数据大于烟雾浓度阈值数据时，判断为可能发生了火灾，此时，图像采集传输微控制器模块(5-1)输出启动控制信号给红外摄像头(4)和GPS定位模块(5-6)，红外摄像头(4)接收到启动控制信号后，开始拍摄其所处环境中的森林火灾图像并将拍摄到的图像输出给图像采集传输微控制器模块(5-1)，GPS定位模块(5-6)进行其所处位置定位并将定位的位置信号输出给图像采集传输微控制器模块(5-1)，图像采集传输微控制器模块(5-1)将其接收到的森林火灾图像和位置信号通过无线通信模块(5-3)打包发送给监控计算机(2)；步骤三、监控计算机(2)调用火灾图像识别模块并采用KNN算法对其接收到的森林火灾图像进行分析处理，判断是否为火灾图像，具体过程为：步骤301、监控计算机(2)接收森林火灾图像；步骤302、监控计算机(2)计算图像中每个像素与火焰像素比对样本数据中每个样本之间的距离，以及每个像素与非火焰像素比对样本数据中每个样本之间的距离，并将计算出的距离进行从小到大排列；步骤303、监控计算机(2)提取距离最近的前K个样本，并判断距离最近的前K个样本分别是距离火焰像素比对样本数据之间的距离，还是距离非火焰像素比对样本之间的距离，并统计距离火焰像素比对样本数据之间的距离数量S1和距离非火焰像素比对样本数据之间的距离数量S2，当S1大于S2时，判定为火焰像素，并将改像素二值化为1，当S1不大于S2时，判定为非火焰像素，并将该像素二值化为0，得到二值化后的火灾图像BW；步骤304、监控计算机(2)统计图像BW中二值化为1的像素个数，当其大于预先设定的像素数阈值时，判断该图像为火灾图像，否则判断该图像为非火灾图像。9.按照权利要求8所述的方法，其特征在于：步骤1032中所述监控计算机(2)调用初始聚类中心确定模块并采用粒子群算法确定出K个类别中心μ1 ,μ2 ,… ,μK的具体过程与步骤1042中所述监控计算机(2)调用初始聚类中心确定模块并采用粒子群算法确定出K个类别中心μ1,μ2,…,μK的具体过程相同且均为：步骤A、初始化粒子群；即随机设定各粒子的初始位置(即K-中值算法的聚类中心)和初始速度V；步骤B、根据初始位置和速度产生各粒子新的位置；步骤C、计算每个粒子的适应度值，采用的适应度函数表示为式fitness＝k/J，其中，J为总的类内离散度和，k为常数；即粒子所代表的聚类划分的总类间离散度越小，粒子的适应度越大；步骤D、对于每个粒子，比较它的适应度值和它经历过的最好位置Pid的适应度值，当适应度值更好时就更新；步骤E、对于每个粒子，比较它的适应度值和群体所经历的最好位置Pgd的适应度值，当适应度值更好时就更新；步骤F、根据公式vid(t+1)＝ωvid(t)+η1rand( )(pid-zid(t))+η2rand( )(pgd-zid(t))和公式zid(t+1)＝zid(t)+vid(t+1)调整粒子的速度和位置；其中，Pid为每个粒子当前搜索到的最优解，Pgd为全局目前最优解，vid(t+1)表示第i个粒子在t+1次迭代中第d维上的速度，vid(t)表示第i个粒子在t次迭代中第d维上的速度，zid(t+1)表示第i个粒子在t+1次迭代中第d维上的位置，zid(t)表示第i个粒子在t次迭代中第d维上的位置，ω为惯性权重，η1和η2均为加速常数，rand( )为0-1之间的随机数；步骤G、当达到最大迭代次数时结束，否则返回步骤C继续迭代执行。