烧结图像中火焰区、充分燃烧区、物料区与黑把子区的分割是工业图像处理的难点之一，自动提取这些区域的灰度与形状特征，有利于客观地诊断的烧结状态，为看火工提供烧结状态的定量指标，提高工作效率。 本文通过对火焰区、充分燃烧区、物料区与黑把子区4个区域的特征进行研究和分析，结合看火工提供的知识，提出了复杂图像多区域分割的新方法，即在双快速行进法中引入了敏感区域的概念，改进了终止条件，利用改进后的双快速行进法与图像融合方法进行物料区和黑把子区的分割；其次，提出了用能量衰减方程除去烧结物料对火焰区的耦合作用，利用大津方法对火焰区和充分燃烧区进行粗分割，并通过粗分割的火焰区和充分燃烧区与黑把子区的差分来进行火焰区和充分燃烧区的精分割。在烧结状态识别算法中，提出了球体滚动算法与改进的神经网络分类器，即基于球体滚动算法对灰度图像进行平滑化处理，并选择了3个关心区域(ROI)，并在每个ROI上提取2个特征，结合物料区、黑把子区和火焰区的平均灰度特征，作为神经网络分类器的输入，并利用遗传算法进行权值的计算，网络输出是烧结状态。本文对100幅噪声严重、境界模糊的烧结图像进行了分割与识别，实验结果表明，本文方法分割速度快，分割精度达到90％，烧结状态识别精度达到89％，分类器具有较好的鲁棒性。