森林火灾是对社会、环境及经济发展影响范围最广、破坏性最大的灾害之一。为减少森林火灾的损失,世界各国都非常重视林火监测。传统的火灾监测方法是感烟、感温、感光探测器以及红外对射探测,还有现在比较流行的卫星监测。对于森林这样的大空间火灾监测,本文提出了一种基于图像视觉特征的火灾监测方法。本文在分析了国内外火灾监测发展现状及先进技术的基础上,尝试将数字图像处理技术与BP神经网络相结合,应用于森林火灾监测。具体内容和研究成果如下:(1)依据概率论和信号抽样原理,提出对原始图像进行抽样提取的概念,在不损失图像信息的情况下,减少了数据量。(2)在充分分析各种常用的图像分割技术的基础上,提出了一种结合图像的RGB分量和HIS分量适合于火焰图像分割的方法。(3)依托数字图像处理技术,对火灾图像依次进行阈值化分割、灰度化、二值化、中值滤波。通过理论分析及对比实验,找到使火焰图像预处理效果最好的算法组合方案;(4)本文阐述了火灾特征量的提取原则,由火焰燃烧的内外因素及人工经验,选定形状特征,颜色灰度方差及动态特征值三种特征作为火焰模式识别特征;(5)研究火焰特征提取算法,并在此算法基础上开发了火焰特征提取软件系统,各部分算法按照模块化思想进行设计,保证了源程序的可扩展性;(6)在采集并分析处理大量森林火灾图片基础上,以VC++6.0为软件开发平台,基于matlab6.5设计建立火灾BP神经网络模式识别系统,训练BP神经网络并进行网络测试。