近年来,森林火灾事故频发,给国家和人民造成了难以估计的损失。因此,提出一个有效的火灾检测方法一直都是学者研究的主要课题。传统的火灾检测技术多利用火焰温度、烟雾浓度以及光线明暗等变化,来检测是否有火灾发生。目前,基于图像型的烟雾检测作为预防火灾发生的一个重要手段,也得到了广泛研究,它可以做到对火情的早发现、早预报、早扑救的目的。本文提出了一种新的图像分析方法来识别烟雾,即将分形理论与彩色图像结合起来用于烟雾识别。首先是烟雾区域分割,利用烟雾图像的纹理信息,将图像分割为不同区域；然后,根据烟雾图像所特有的颜色特征,对分割出的区域判断,符合烟雾的颜色特征即为烟雾,从而达到识别烟雾的目的。具体过程如下：(1)灰度烟雾图像分形分割。对于灰度图像,针对森林背景图像中烟雾与树木的分形纹理结构特点的不同,提出了差分盒维数和Otsu相结合的烟雾分割方法。对差分盒维数算法从速度和精度两方面进行改进。精度改进是通过计算每一子窗口内具体的灰度等级,降低了伴随计算分形维数而来的拟合误差,使之更好地表达分形图像表面的纹理结构；速度改进通过扩展子窗口尺寸的选择范围,使得在同一尺寸的子窗口内覆盖该窗口的盒子数减少,提高了算法的执行时间。实验仿真结果证明改进的差分盒维数方法可以更好地表达图像的表面纹理信息,而结合Otsu方法可以实现了烟雾区域的分割。(2)彩色图像的烟雾识别。颜色特征储存了图像丰富的信息,对烟雾颜色信息的研究是识别烟雾的重要方法。根据RGB和HSV颜色空间中烟雾像素特征,提取24位BMP彩色图像的烟雾基准点。同时利用人类视觉感知与HSV颜色距离度量之间的关系,将与基准点相似的颜色归为一类,同时将分形分割方法与彩色图像分割方法相结合,从而识别出烟雾。实验结果证明,分形方法分割出的区域具有烟雾的颜色特征。因此,基于分形理论和彩色烟雾图像相结合的识别方法可以作为烟雾识别研究的一个方向,也为预防火灾的发生提供了一个很好的途径。