火灾是一种常见多发的自然灾害。目前的科学技术对于室内的火灾报警已经比较成熟。通过光、烟、温度等加以判断,然后直接实施灭火措施,进行断电、喷水等并报警。而对于大空间环境,尤其是在野外,早期火灾探测在世界范围仍是一个难题。因为在这类环境下,存在着许多影响火灾探测的因素,如空间高度、热量屏障、覆盖范围、远程信号传输等等。这些情况下传统的感温、感烟式探测手段往往失去了作用。由于图像型火灾探测具有非接触式探测的特点,使该项技术有可能成为在大型工厂、仓库、森林等大空间和野外开放空间进行火灾探测的有效手段。本文在对红外数字图像处理技术进行分析和研究的基础上,设计了多重判据综合运用的火灾检测算法,并构建了基于神经网络的图像型火灾识别系统。论文系统地讨论了火灾产生的机理、火灾的三个发展阶段及其各个发展阶段的特点,分析研究了国内外有关图像识别技术及其研究现状。在此基础上讨论了图像型火灾探测技术的分类,图像型火灾探测系统的组成及数字图像处理在火灾图像中的应用。本文详细论述了图像的获取、噪声消除、阈值分割和区域生长等算法在红外火灾图像处理中的应用。其中在火灾图像灰度化上通过比较采用基于红分量的灰度图,使火焰部分更加突出。并在传统二值化阈值分割算法基础上,提出了一种适合火灾图像分割的双阈值算法,实验证明它能更好的提取出可疑亮点区域。为了提高判别效率,采用了区域分割算法。该算法将各个亮点区域提取出来并分别进行处理,实验证明,该算法使整个特征提取算法效率提升了三倍。在对红外火灾图像的识别技术上,本文重点讨论了早期火灾火焰图像的识别技术。利用早期火灾火焰图像具有火焰面积增大、边缘抖动、形状不规则、位置基本稳定等特征作为火灾识别判据。在此基础上,还将火焰的闪烁频率作为火灾识别判据之一,增强了系统的抗干扰能力。在基于神经网络的火灾识别方案的设计上,首先介绍了神经网络的基本概念,给出了神经网络的拓扑结构及输入输出单元的设计方案,在此基础上提出了一种基于BP神经网络的火灾图像识别方法,并使用一系列的火灾图像样本和干扰模式的图像进行实验。实验结果表明,利用该神经网络进行火灾识别具有良好的抗干扰能力。论文的最后对课题的研究工作进行了总结,指出了不足之处并对下一步工作进行了展望。