近年来由于森林火灾的频繁发生,给我国乃至全国带来了巨大的经济损失,也给森林的生态环境带来了巨大的伤害。因此森林火灾发生的检测及识别技术及其重要。传统的森林火灾监测技术一般只针对已经发生的火灾进行识别,不能及时对森林火灾进行预防。为了能有效的对森林火灾进行预防,本文通过对森林图像特征的分析,为森林火灾预测和预防提供一定的依据。在研究森林图像特征的基础上,利用多种火灾特征信息建立改进的BP神经网络和SVM分类器结合的森林火灾探测算法。本文结合国内外现有的各种森林火灾探测技术,对森林火灾识别和预防算法进行研究。在对森林图像进行其他处理前,本文首先对森林图像进行预处理,然后比较中值滤波器,频域高通滤波器和小波滤波器,发现小波滤波器对图像噪声处理后的图像边缘细节保留的比中值滤波器和频域高通滤波器更好。通过对多种分割算法的对比,利用RGB颜色分割和k-means聚类分割分别对去噪后的森林火灾图像和森林土壤图像进行有效的分割。最后,Canny算子边缘检测技术用于对分割的森林火灾图像进行有效的边缘处理。本文通过对森林湿度特征进行研究分析,利用森林图像灰度值与土壤湿度值间的关系,来确定森林环境下的湿度值,为森林火灾预防提供依据。同时研究发现,森林火灾的特征可以有效地作为火灾识别的依据,并提取和分析火灾特征。通过对森林火灾火焰特征的有效分析和多次试验,确定森林火灾火焰的面积、尖角数、圆形度和闪烁特征可作为森林火灾火焰的识别特征。通过对BP神经网络和SVM分类器的研究,利用改进的BP神经网络与SVM分类器结合对森林火灾图像识别的算法,通过之前对森林火灾火焰特征的提取,来不断的对森林火灾识别网络进行训练,最终确定森林火灾识别算法。通过对森林火灾特征的提取,利用改进的BP神经网络与SVM支持向量机分类器结合的算法实现森林火灾图像的识别,该识别模型具有较高的识别率和较快的森林火灾图像识别速度。同时,通过对森林土壤腐殖层图像的灰度值的计算能有效的对森林湿度进行预测,进而对森林火灾预防提供一定的依据。