我国是世界最大的煤炭生产与消费国,决定了我国大气污染的主要特征为煤烟型污染。燃煤所产生的颗粒污染物、气态污染物氮氧化物(NOx)、二氧化硫(S02)等严重污染了人类赖以生存的大气环境。燃烧火焰含有丰富的信息量,不仅是表征燃烧状态稳定与经济的直接反映,同时也直接影响到燃烧污染物排放。而燃烧火焰中的自由基存在于火焰前锋,是碳氢燃料燃烧中热量释放的主要标志,因此本文基于燃烧火焰自由基的数字图像,通过提取自由基图像特征预测NOx排放量,对于优化燃烧,减小污染及提高空气质量具有重要的工程应用意义。本文的主要工作如下：首先介绍了数字图像处理在工业中的应用及本文所使用的四种火焰自由基(CN*,C2*,OH*和CH*)的数字图像获取方法,采用小波阈值去噪方法进行图像去噪处理,同时利用模糊均值聚类法对四种火焰自由基图像进行图像分割,并提取火焰自由基面积和亮度作为图像特征值。其次,根据所提取的图像特征值,结合燃烧火焰温度,采用BP神经网络建立燃烧污染物NOx的排放预测模型；同时基于BP采用神经网络变量筛选的方法,减少BP网络的输入变量,进行NOx预测排放建模。仿真结果表明,BP神经网络的预测效果良好,并且经过变量筛选后的神经网络建模,同样具有较好的预测效果。再次,介绍极限学习机的基本原理、数学模型和模型算法,利用极限学习机进行NOx排放预测建模,仿真结果表明,极限学习机的预测精度好于BP神经网络,且收敛速度较快。最后,总结两种预测方法的特点,并对未来工作进行展望。