传统的火灾探测存在反应滞后、可靠性差等问题，随着图像处理与模式识别技术的发展，近年来基于视频图像的火灾探测成为研究热点。本文分析了图像火灾探测的研究现状，总结了相应算法的框架，并对火灾图像的预处理、可疑火区分割、火焰图像特征提取和特征融合分别进行了深入研究。首先，针对火焰图像研究了灰度化、高斯滤波、中值滤波等预处理方法，比较分析表明灰度化可以满足本课题的预处理需求。其次，研究了基于边缘检测的分割、灰度阈值分割、运动检测、颜色分割等分割方法，并结合本课题实验中所遇到的问题，提出了改进的温度-面积阈值分割算法。仿真分析和实验表明，阈值分割和颜色分割比边缘检测、运动检测更适合火灾探测；本文提出的温度-面积阈值分割算法所选取的阈值往往在最佳阈值附近，该方法不但能够在一定程度上实现阈值的自适应选取，而且对于最终的火灾火焰识别也是有效的。第三，研究了火灾的动静态特征，并提取了相应的火焰图像特征：高灰度值、颜色特征、圆形度和火焰尖角、轮廓变化度、面积变化等。其中，高灰度值反映了火焰的高温高亮特征，圆形度和火焰尖角刻画了火焰形状的不规则特征，轮廓变化距离反映了火焰的形状变化，间接体现了火焰的闪动特征。第四，研究了贝叶斯分类器和支持向量机（SVM），并用从实验视频中提取的数据进行仿真比较。仿真结果表明，贝叶斯分类在小样本条件下的分类效果不是很好，而径向基核函数C-SVM分类器的融合效果较好，但是径向基核函数参数和惩罚因子的选择还需要更多样本的检验。最后，在Fedora系统下用C++代码实现算法，进行了火灾火焰识别的实验，并进一步讨论了圆形度特征和改进的温度-面积阈值分割算法的有效性。实验结果表明，未使用分类器的算法已经具有较低的漏判率和误判率。