火灾是严重威胁人们生命财产安全的常见灾害之一,研究火灾的探测技术,实现对火灾的实时探测与预警极为重要。传统的感温、感烟等火灾探测方法在大空间、多干扰等场合下已经不能满足应用要求,而图像型火灾探测技术,其信息采集具有不与外界直接接触以及采集范围广的特点。这种信息采集特点,使得图像型火灾探测技术成为大空间、多干扰场所火灾探测的有效方法。基于PC机的图像处理系统具有成本高、不易安装等缺点,因此嵌入式系统成为图像型火灾探测系统的最佳选择。本课题目的是设计一套基于DSP的图像型火灾探测系统,以实现对目标区域的火灾检测与预警。首先在分析国内外有关火灾识别技术及其研究现状的基础上,结合嵌入式技术、图像处理以及模式识别,对基于DSP的图像型火灾探测系统进行了模块化设计,主要包括图像处理模块、图像采集模块、系统存储模块。其中图像采集模块包括图像采集前端以及图像的采集设计等;系统存储模块包括同步存储、异步存储系统的设计以及CPLD功能设计等。其次对传统的火灾图像预处理流程加以改进,提出了一种基于连通域标记的新型火焰图像滤波方法,更有效的对椒盐噪声、孔洞噪声加以去除,提高火焰图像预处理效果。本文所用预处理流程为:首先对火焰图像采用迭代法进行二值化,然后对二值图像进行连通域标记,最后在连通域标记的基础上应用本文提出的新型滤波方法对火灾图像进行滤波。在完成火焰图像预处理基础上,结合火焰原始图像特点,提出了早期火灾图像识别的四个判据:火焰的面积变化率、火焰的相对稳定性、火焰的圆形度以及火焰的尖角特性。在基于DSP的火灾探测平台上提取上述四个判据的六个特征值。根据系统识别要求设计了三层BP神经网络,进行了大量的火焰以及其相关干扰实验,提取相关特征值。以此为样本,在PC机上应用MATLAB神经网络工具箱,对本文设计的BP神经网络加以训练,以获得网络权值和各节点偏置。并最终将训练完成的神经网络移至基于DSP的火灾探测系统平台上,应用其进行火灾的识别。最后对系统进行了硬件以及软件实现,并在此基础上进行了大量的实验,验证了本文系统火灾探测与预警的准确性以及在大空间、多干扰场所火灾探测的实际应用可行性。