传统的火灾探测一般采用感温、感光、感烟等技术,在大空间建筑中不能正常发挥作用。图像型火灾探测技术是一种新型的探测方法,可以有效的克服传统火灾探测器的缺陷,有着广阔的应用前景。本文概述了图像型火灾探测技术原理,分析了火焰图像的特点,研究了典型图像型火焰探测算法,在此基础上提出了一种基于三层组合分割和RBF神经网络的火焰探测算法。首先针对背景复杂的火灾图像,利用中值滤波、直方图均衡化、图像锐化等预处理技术对其进行增强。采用差分技术、RGB颜色分割技术、形态特征分割技术建立了三层组合分割模型,排除大部分干扰,得到火焰疑似区域。然后分析了火焰疑似区域的相似性测度、面积变化值、致密度、偏心率、质心点偏移距离等特性,提取出火焰特征,较好地表征了火灾信息。最后运用RBF神经网络建立火灾识别模型,将提取出的火焰特征作为输入量,对火灾图像进行分类识别。仿真结果表明,该算法对不同场景的火灾识别具有较高的准确率。