过去主要采用烟雾传感器和温度传感器进行山林火灾的监控,判别标准单一,识别准确率较低。本文利用红外图像处理技术和模式识别技术,设计了红外图像山火识别系统;同时配合采集到的环境信息,做进一步决策。森林火灾识别系统主要从红外图像预处理、图像分割、特征提取和火灾模式识别这四个方面进行研究,其中,特征提取和火灾模式识别是研究的重点。在图像处理方面,利用帧间差分法得到火灾疑似图像,使用中值滤波进行降噪处理。预处理后,利用经典算法对红外图像的分割,得到火灾疑似区域。并分析适用于灰度红外图像的区域分割算法,通过仿真得到更好的分割效果。分割得到二值图像后,利用形态学的方法进行进一步处理。在特征提取方面,主要提取火灾疑似区域的几何特征、纹理特征、直方图特征和动态特征。与此同时,将提取特征的算法应用于火灾样本和四种非火灾样本:火灾视频、白炽灯视频、蜡烛视频、动物视频和高温物体视频;然后,对一维、二维和三维特征进行作图分析。为了进一步提高火灾识别的准确率,使用了基于无线传感器网络的烟雾温度监测系统,采集输电走廊附近的环境特征,作为火灾识别的辅助特征。在火灾模式识别方面,使用了支持向量机SVM(Support Vector Machine)和AdaBoost(Adaptive Boosting)两种分类器对红外图像火灾识别进行建模。重点在于将两种算法进行融合创新,并将其迁移到新的领域,应用在输电走廊附近的山林火灾识别上面,从而进一步提高分类准确率。利用不同的归一化方式、核函数以及交叉验证的方法选择SVM的最优参数,并分析两种算法的ROC(Receiver Operating Characteristic)曲线。最后,通过仿真证明了图像处理算法的可靠性、火灾区域特征的有效性和火灾模式识别算法的分类准确性。研制出红外图像火灾识别系统和基于ZigBee无线传感器网络的烟雾浓度采集系统,并安装在攀枝花米易县某输电走廊附近的铁塔上面,进行山林火灾监控,并成功监测到火灾的发生。