蒸汽泄漏容易扩散、危害巨大,对处于早期的蒸汽泄漏及时进行识别至关重要。蒸汽形成的关键在于其高于环境的温度特性,利用红外摄像技术对蒸汽温度场进行图像采集和分析有利于抓住泄漏蒸汽的本质特征,从根本上解决泄漏辨识问题。在复杂工业现场,蒸汽温度场很容易受到热噪干扰,对特征获取与辨识造成很大困难。本文从蒸汽发生发展机理出发研究温度场特性,探索红外温度场的高清化表征与辨识方法,主要内容包括:（1）建立蒸汽泄漏扩散模型,对蒸汽泄漏发生发展过程进行模拟,揭示温度场锤尾特性,泄漏蒸汽温度场的静动态锤尾特性,包括分层扩散特性、锤尾特性、动态飘散特性以及同源异构特性等,以及泄漏方向、泄漏量、泄漏压力等对温度场特性的影响,提出了各项特性的图像表征方法。（2）对蒸汽弱温度场域动态特性进行研究,提出有效的对比度增强以及帧间差分相乘法进行弱场域提取。分析弱场域的热燥干扰特性,采用自适应中值滤波方法进行有效的预处理。对温度场分层纺锤尾特性进行研究,提出图像特征的变尺度提取方法,实现红外温度场动态锤尾分布细节特征的高效提取和高清化表征。（3）通过实测采样,建立了不同姿态、压力、流量、泄漏角度下的多层次锤尾样本,以及与干扰物样本的数据集,总样本数为940。建立Mask R-CNN网络模型,对泄漏蒸汽的锤尾特征成功的进行学习和动态挖掘,建立了有效的锤尾特征辨识器。泛化测试精准度达到96.81%,识别效率为单张温度层图像的辨识速度为0.036s左右,有效提高了辨识速度和精度。（4）结合温度场的图像表征方法,以及基于Mask R-CNN网络模型的辨识器,提出了泄漏蒸汽的辨识算法。设计并搭建了蒸汽泄漏检测实验平台,使用本文提出的检测算法对不同泄漏量、不同泄漏压力以及不同泄漏方向的泄漏蒸汽进行了检测与分析。实验结果表明,本文提出的泄漏蒸汽检测算法可有效实现蒸汽泄漏检测,并有效进行泄漏源方向的预测,算法对连续5帧图像进行处理时间约为0.48s,整体识别准确率为99.93%。本文通过对泄漏蒸汽温度场扩散机理进行研究,总结出了蒸汽温度场静动态锤尾分布特性,并提出了各项特性的图像表征方法,提出变尺度提取方法实现了蒸汽红外温度场的高清化表征,建立基于Mask R-CNN网络模型对泄漏蒸汽的锤尾特征进行有效的学习和动态挖掘,获得具备较强泛化能力的分类器,实现了蒸汽泄漏源的高效辨识。