火灾探测技术是火灾科学领域研究的热点，已取得不错的研究成果。传统火灾探测技术在保护人们生命和财产安全方面起到了非常重要的作用，但在大空间、室外等场所暴露出种种的不足。为了解决这些场所的火灾探测问题，各种图像探测技术相继问世并得到了迅速发展。火焰与烟雾作为火灾发生时最显著的图像信息是火灾探测的重要视觉特征。烟雾往往在明火之前出现，是火灾最早期特征之一。烟雾的探测为火灾及早发现和扑灭赢得了极为宝贵的时间，是控制火灾迅速发展和减少不必要损失的一项重要措施。 本文提取了烟雾的多种特征，包括图像的灰度信息、灰度共生矩阵、小波能量特征和分形特征等。分形理论是现代数学与非线性科学研究中的一个重要分支，在图像处理中的应用更是越来越普遍。小波近年来在图像处理领域中得到广泛的应用。它具有良好的时频特性以及多尺度多分辩率特性，是研究精细结构的理想工具。为了提高烟雾图像块的识别准确率和减少误判率，研究传统特征与分形特征的融合方案。采用BP神经网络进行烟雾图像检测，分析比较各种特征融合方案的烟雾识别效果。 最后，采用烟雾和非烟雾图像进行仿真实验，分析比较各种方案的识别率。实验结果证实，分形和小波特征在烟雾检测能取得较好的识别效果。