随着人们物质文化生活水平的提高和科学技术的快速发展,视频监控已经普及,而火灾一直威胁着人类的生命和财产安全,特别是大空间,环境复杂的地方。为了避免火灾漏报误报,基于视频的火灾检测系统引起了人们的重视。本文应用数字图象处理技术和BP神经网络技术,对发生火灾时产生的火焰进行深入的研究。论文首先总结了国内图像火灾探测技术研究现状,以及神经网络在这方面的发展情况;阐述了视觉上颜色形成的原理和目前几种常用的颜色模型,如RGB模型,HSI模型,以及他们之间相互的转换;研究了数学形态学中的腐蚀膨胀理论;论述了神经网络技术和火灾图像探测技术的结合,并介绍了神经网络的特点、基本模型。随后介绍火灾图像的预处理。在滤波除噪,提取前景目标,消除孤立点上给出了一系列的图像处理方法。如中值滤波,维纳滤波,差影法,图像的腐蚀和膨胀处理。通过仿真,说明了方法的有效性。其次针对火焰区域的增长性、闪烁性、灰度直方图的递增性、颜色的条件判断、形体的质心变化规律等特征给出了相应的检测算法。并重点分析了火焰图像颜色、纹理、形体特征,并给出定量描述。最后,以一阶颜色矩、纹理特征统计量中的反差、逆差矩、灰度相关、能量,以及形状相似度为神经网络的输入向量,设计了一套基于图像的火灾探测BP神经网络系统,实验证明该系统有很强的适应性和抗干扰能力,可以有效的探测出火灾并报警。实验结果表明,这种多重判据混合的火灾探测算法能够有效的识别出火灾火焰并且具有良好的抗干扰能力。