基于视频图像的火灾探测技术具有响应速度快、探测准确等优点,应用前景广阔。在大空间建筑中,受光照变化、物体运动及目标多等影响,采集的视频图像信息比较复杂,火灾误判比较严重。为了提高火灾探测算法的准确性、实时性和鲁棒性,针对现有图像型火灾探测算法的不足,本文重点研究了火焰目标提取和火焰特征提取等相关算法。主要有以下两方面:　　(1)火焰目标提取。为了解决大空间建筑中火灾火焰目标提取的准确性问题,对当前主要目标提取方法的性能进行了研究,研究了一种基于聚类分析的图像型火焰目标提取算法。以15帧图像为一组,首先建立一种新的火焰颜色模型,然后利用像素运动累积法获取疑似目标的闪烁频率,获得火焰像素同时排除部分干扰。借助模糊聚类分析法合并同一疑似火焰区域中的不连通分量以得到火焰的外接矩形,确定火焰在本组图像中的位置。最后依据火焰的亮度特征结合OTSU算法提取火焰。解决了以前火焰目标提取算法不能提取火焰焰心以及提取的目标不连通问题。　　(2)火焰特征提取。在分析当前主要的火焰图像特征提取算法性能的基础上，研究了一种可以准确提取火焰图像像素间高阶统计信息的方法:FastICA( Independent Component Analysis,ICA)。将一组火灾图像作为观测矩阵,利用FastICA分离出来的统计独立基图像作为火焰的图像特征。与传统的火焰特征相比,该方法可以提取原图像像素间的高阶统计关系,由于图像的大部分重要特征信息与图像的像素间的高阶统计特性有着密切的关系,因此,采用对高阶信息敏感的特征获得了较好的识别效果。　　在利用Matlab对算法进行了仿真的基础上，对各主要算法进行了C语言实现,并基于火灾实验的视频文件,对火焰目标提取算法和火焰特征提取算法的实际效果进行了实验验证。