森林是地球上一种重要的自然资源,而在林区中火灾时常发生。森林火灾具有突发、随机、短时损失巨大等特点。如何实时、准确地预测预报森林火灾,已成为当前亟需解决的问题。自动监控技术尚未成熟应用是因为林火检测的国内外进展处于人工监视屏幕阶段且较高的误报率,所以基于视频流的林火识别算法的研究更具有重要的现实意义。由于在林火发生早期常常出现大量的烟雾,本文主要对视频流中的烟雾识别进行了研究。林火识别过程主要包括对输入视频流图像的预处理、视频图像的运动目标检测、烟雾图像纹理特征提取和支持向量机(SVM)的分类识别。本文针对林区环境的复杂性研究基于视频流的林火识别算法,内容包括林火识别中各个环节的步骤和方法。主要工作有:(1)在视频图像的预处理阶段,对图像进行中值滤波去噪和分量加权平均法灰度化,为后续的运动目标检测提供较高质量的图像并提升处理速度。(2)对比分析各种常见的前景提取算法,在林火识别的运动目标检测中采用基于改进的背景估计法结合色彩判断作为目标检测方法。该算法不仅具有较好的烟雾捕获能力,而且可以初步排除飞禽、晃动的树木等干扰物的干扰。(3)提出了一种新的Contourlet变换与多重分形相结合的图像特征提取算法。先对图像进行Contourlet变换分解提取各方向子带,然后通过对各个方向子带的多重分形特征参数的分析来描述图像纹理特征。通过与灰度共生矩阵法、多重分形等算法的实验比较可知该算法既提高了林火图像识别率,又较好的降低了误报率。(4)根据实验数据维度高、样本小的特点,采用支持向量机(SVM)作为林火识别方法。对特征数据进行规格化处理,并选取了径向基函数(RBF)作为实验中支持向量机模型的核函数。实验结果表明该基于视频流的林火识别算法能够实时有效地识别出烟雾并具有良好的抗干扰能力。