烟雾是早期森林火灾最为突出的视觉现象。可见光视频监控技术以其成本适中、实时性强的特点已成为各类林火监控技术中的重要手段,然而目前国内外只是发展到人工监视屏幕阶段；自动监视技术由于误报率高而没有成熟的应用。因而,基于视频图像的林火烟雾机器视觉识别方法的研究更具实际意义。本文建立了动态检测与静态分类相结合的基于视频图像的林火烟雾识别方法的系统架构,从运动目标检测、图像特征提取、模式分类识别等方面重点研究了林火烟雾识别算法,并将研究成果在鹫峰国家森林公园进行了工程应用。本文具体研究成果有：(1)根据烟雾的移动性,提出了改进的背景估计法结合色彩判断的林火视频图像的运动目标检测算法。引入原始背景概念改进了背景更新模型；并确定了主要参数的最优值。该算法在获得良好的烟雾捕获能力的同时初步排除了飞禽、晃动的树枝、移动的汽车之干扰。(2)研究了基于脉冲耦合神经网络(PCNN)的图像特征提取算法。改进了基于最小均方误差准则结合梯度下降法的自适应PCNN模型调整方法,给出了适合林火烟雾图像特征提取的PCNN模型各项参数推荐值。(3)研究林火烟雾图像特征数据的表达方法。使用了以时间序列与信息熵序列相组合的林火烟雾特征数据的表达方法；通过与灰度共生矩阵算法的比较表明PCNN算法在提高林火烟雾识别率和降低误报率方面有明显优势。(4)进行了四种模式分类器识别能力的比较研究。设计了BP神经网络、自组织神经网络、概率神经网络、支持向量机等四种分类器模型,给出了它们的优化参数,从识别效果、分类器运行性能、特征数据归一化处理对识别效果的影响等三个方面进行的对比实验结果表明,PCNN方法提取的特征数据具有良好的适应性和稳定性；在四种分类器中,支持向量机的识别率最高,并拥有更低的漏报率与误报率,分类运行性能方面也表现出色,对于雨雪、云雾等高相似度的气象干扰得到了继续排除。(5)设计开发了森林火灾智能识别系统。在林火视频监控平台上融合了其他多种软件工程技术,实现了基于上述算法的林火烟雾图像自动识别系统。经实地运行检验,系统运行稳定,通过了全部模拟火情测试并成功捕获一次真实森林火情。