森林火灾发生，会产生有毒烟尘，引起温室效应，破坏大气环境，同时对人类的健康造成威胁；传统火灾检测和识别方面，判据单一，很难克服恶劣环境和光照的影响，造成火灾的误报和漏报；红外图像的形成不需要可见光的支持，利于林火的早期发现和预防。基于以上几点，本文开展的主要工作是森林火灾的红外图像分割和识别处理，预测火情，预防和减少火灾的发生。本文的主要工作：1.火灾图像的预处理方面，采用直方图均衡和中值滤波对图像进行增强和滤波处理，增强图像对比度和滤除干扰噪声，以便后续火焰的分割和识别处理。2.火灾疑似区域的分割方面，对比边缘检测、灰度阈值、最大类间方差和最大熵四种分割方法及其复杂度，分析各种方法在火焰疑似区域提取方面的特点，最终采用最大熵分割火焰的疑似区域。3．火焰识别方面，采用多特征综合识别的方法。颜色、频率、质心和圆形度分别排除一种类型的干扰源，最后多特征加权融合，判定火灾的发生。4.对经过后续处理的伪彩色红外图像做RGB颜色空间R值最大的判断，保留满足条件的像素作为识别的处理数据。实验结果分析，保留火焰疑似区域中满足R值最大条件的像素作为火焰识别的数据，可以节省程序执行总时间的9.45%，减少火焰识别时间，提高判定速度。