随着社会经济的发展和科学技术的进步，特别是城市人口的急剧增加和城市化进程的飞速发展，高层建筑和大空间场所越来越多。由于高层建筑火灾具有传播速度快、灭火和营救都比较困难等特点，所以如何有效的进行高层建筑火灾的安全防范以及尽早发现火灾的问题就变得越来越紧迫。作为一种新型的有效的早期火灾探测技术，图像型火灾探测技术倍受人们的关注。本文通过对数字图像处理技术的研究和讨论，设计并实现了多种检测算法和基于BP神经网络的图像型火灾探测系统。 论文系统地讨论了火灾产生的机理和其三个发展阶段及其各个阶段的特点，讨论了传统的火灾探测技术存在的缺陷并与新型火灾探测技术进行了对比，在此基础上介绍了图像型火灾探测技术的分类、使用的探测设备、图像型火灾探测系统的组成以及数字图像处理技术。 本文详细地研究了火灾图像的增强处理、噪声滤除、最大熵阈值分割、区域生长和Otsu阈值分割等算法及其在火灾图像处理中的应用。并通过将数种算法集成起来的方法，提出了一种在序列图像中跟踪火灾火焰的算法，在图像序列中提取出火焰目标。此外，本文实现了通过瞬时运动分析和累积运动分析的方法在火灾烟气图像序列中提取火灾烟气轮廓。 对于火灾图像的识别技术，我们将其分为火灾火焰图像的识别技术和火灾烟雾图像的识别技术两类，重点讨论了火灾火焰图像的识别技术。本文详细地分析了火灾火焰和其它一些干扰现象的面积变化规律、形体变化规律、边缘变化规律、闪烁频率规律和整体移动趋势，并且针对于每一种规律都提出相应的图像识别算法。通过这些算法，我们可以识别出早期火灾的火焰图像并能够区别其它的干扰现象。本文介绍了火灾烟气的光学特性，在此基础上提出了识别火灾烟气轮廓的算法。哈尔滨工程大学硕士学位论文 在论文的最后，讨论了基于神经网络的火灾探测方案。首先介绍了神经网络的基本概念，接着给出了神经网络的具体结构和输入输出单元的设计方案。在此基础上，我们设计了基于BP神经网络的火灾探测系统，并使用一系列的火灾图像样本和干扰模式的图像进行了实验。实验结果表明，该神经网络火灾探测系统具有良好的抗干扰能力。