火灾对于人们造成的危害是众所周知的，因而，如何探求更加可靠、及时的火灾探测系统是人们比较关心的话题。图像型火灾火焰识别方法是一种非传统的早期的火灾火焰识别方法，本文在此基础上研究了基于支持向量机的图像型火灾火焰识别方法。本文提出一种基于HSI颜色模型的火灾火焰图像分割算法，然后将火焰的目标区域提取出来进行预处理。根据分析火焰反映的一些信息特征，本文从颜色特征、纹理特征、形状特征三个方面对火灾火焰特征进行了提取。利用提取的这些特征，作为早期火灾识别的判据并且能够区分出其余的干扰物。最后，讨论利用支持向量机来对火灾火焰图像进行识别，而且仿真实验并验证了火灾样本及干扰物，且分析了结果。由于核参数的选择问题可以严重地影响支持向量机的分类识别能力，因此本文重点研究了核参数的选择问题，并且分析了利用网格搜索法、PSO算法和GA算法进行核参数优化方法建立的模型对火焰图像识别率的影响。此外，本文提出了一种利用改进的粒子群算法对支持向量机进行参数优化，实验结果表明，改进的算法寻优能力较强，能够有效的识别火灾火焰图像，提高了火灾的准确预报率，进一步降低了火灾探测系统的误报。