森林火灾具有突发性、灾害发生的随机性、短时间内造成损失的巨大性等特点。如何对森林火灾的发生和蔓延进行预测预报,已成为一个迫切需要解决的问题。本文采用多重分形参数描述烟雾和火焰。首先,利用烟雾、森林和云雾的多重分形谱的不同,将图像中符合条件的特征点提取出来。然后,根据所提取出的像素点的分布特点识别出烟雾,从而实现烟雾和火焰与其复杂背景的准确分割。在Matlab仿真实验中,利用多重分形谱成功的将森林火灾引起的烟雾从整幅图像中识别出来,取得了较好的识别效果。本文将Contourlet变换引入森林火灾图像识别中,研究出一种多重分形和Contourlet变换相结合的森林火灾图像分割新算法。首先对图像进行Contourlet多层分解,得到一系列多尺度、局部化、多方向的子带图像。然后对低频子带进行多重分形特性分析,再将多重分形谱作为特征参量进行像素筛选,筛选出标志不同景物的像素点。最后,根据这些像素点的不同分布进行图像分割,从而实现烟雾的分割。实验结果表明,这种算法能够有效地实现火焰和烟雾的分割,提高了森林火灾图像分割的有效性。此算法具有良好的准确性和较高的实时性。