火灾是严重威胁社会安全的自然灾害之一。近年来，大型商场、社区、林区等场所火灾事故频繁发生，给人类社会生产生活带来了巨大损失。由于烟雾是火焰燃烧前呈现出的现象，因此可以通过检测烟雾及时地发出火灾报警，降低火灾损失。近三十年来，随着神经心理学、行为学对大脑视觉认知机制的研究进展，人工智能和机器视觉领域出现了研究生物视觉计算模型的热潮，视觉注意模型的研究为烟雾检测提供了崭新的发展方向。本文旨在探索开放环境下基于视觉显著性和小波分析的烟雾检测方法。本文研究的重点是研究基于视觉注意模型的烟雾检测算法。其中包括改进传统的自下而上视觉注意模型，在烟雾检测中引入自上而下的任务驱动机制，提取可疑烟雾区域的动态特征以实现准确的烟雾在线识别。本文的主要工作可以概括为以下几个方面：(1)在Itti视觉注意模型的基础上，提出将物体运动特征与图像静态特征融合，实现自下而上视觉注意模型的烟雾显著性检测。其中引入了一种运动优先的显著性图融合策略，使模型更加契合于人眼的视觉注意机制。(2)建立自上而下的视觉注意模型对显著性区域进行控制。为了有效模拟人眼基于任务的显著性控制机理，本文针对烟雾这一检测目标，结合烟雾的边缘不规则性、区域灰色度等特征，利用区域相似性度量生成图像自上而下的显著性图，进一步控制显著性区域的受注意程度。(3)构建了贝叶斯网络分类器，实现了烟雾最终识别。基于视觉注意模型的感兴趣区域提取是对类烟雾区域的粗略提取。为了最终识别区域是否是真实烟雾，本文针对烟雾特有的模糊性、边缘不规则性、区域灰色度、区域饱和度等特征进行了提取，训练贝叶斯网络分类器，实现烟雾的准确识别。(4)在参加省重大科技专项“基于太阳能的森林火灾智能远程无线监测系统研制”过程中，独立开发完成了远程监控中心软件，实现了林区视频实时播放、录制、控制前端云台动作、响应报警信息等功能。另外，为了验证本文烟雾检测算法的有效性，本文从自下而上显著性分析、自上而下区域显著性控制、ROI提取及抗光照性检测等方面通过大量实验验证了算法的有效性，并对烟雾检测算法的完善进行了展望。