林区火焰检测对保护我国森林资源具有重要的意义。随着科学技术的发展，林区火灾检测正朝着智能化方向发展。视频图像处理技术的应用扩大了火焰检测的范围，提高了火灾检测的精度，缩短了检测和预报时间，并且能够提供更加丰富直观的火灾信息。因此，基于视频图像的火灾检测技术作为一种新型、有效、智能的探测技术越来越受到人们的关注。本文主要研究了基于视频图像处理的林区火焰智能检测算法，提出了一种新的火焰检测算法。首先本文不直接研究火焰颜色与运动特征，而是引入视觉注意模型计算模型，利用视觉特征对比度（运动和颜色）生成显著图，进而找到感兴趣区域，再对感兴趣区域进行火焰时空特征检测，最后使用贝叶斯网络分类器作最终判决。本文的主要工作内容如下：1.分析了火焰检测的技术难点，在前人研究工作基础上提出了开放环境下火焰检测的算法流程。2.本文将视觉选择注意机制引入到开放环境下视频图像的感兴趣区域提取。并且，针对传统视觉注意模型是基于高斯金字塔构架，计算量相对较大，不适合实时性检测要求的缺点，本文提出了视觉特征对比度的方法：即在图像原级上计算对比度显著性图，从而减少了计算量。3.针对林区开放环境下光照条件不断变化，提出基于视觉特征对比度的火焰颜色检测方法。由于光照影响作用于整幅图像，而火焰颜色的特征对比度基本上不随光照改变。因此，基于对比度的本文方法对光照变化不敏感；并且相比于传统的颜色判据提取火焰目标的方法来说，本文方法对场景中噪声干扰具有更强的鲁棒性。4.本文对疑似火焰区域的动态时空特征进行了研究，包括火焰运动时空不一致性、火焰区域蔓延性和火焰区域的纹理特征。针对火焰运动方向和大小的随机性特征，火焰运动具有时空上的不一致性，本文提出使用包含运动大小和方向信息的二维信息熵来度量火焰运动的时空不一致性。并且文中使用了蔓延率描述火焰在时空上面积的扩张性变化，以及利用小波高频能度量火焰区域的纹理特征。5.本文设计了基于概率分析的贝叶斯网络分类器对火焰进行识别。首先对贝叶斯网络进行了结构设计，然后采用Parzen窗的无参估计方法对火焰样本图像进行其先验概率分布的估计。6.最后，本文将提出的算法在嵌入式平台上进行在线检测试验，取得了良好的试验效果，说明本文提出的算法准确率高，具有实时性，适合用于林区火焰智能检测。