火焰与烟雾的奇异特征定义和分类算法研究涉及到计算机图像处理、图像模式识别和人工智能等多门学科的知识。本论文结合相关的知识，探索了火焰与烟雾图像的预处理、火焰与烟雾区域的特征选择提取、火焰与烟雾区域的搜索策略和分类识别。在火焰与烟雾图像的预处理部分，本文研究了火焰与烟雾图像在RGB、HSI、CMYK和YCbCr四种颜色模型的视觉特性，并对4个颜色模型共13个分量图进行直方图均衡化处理，在分析直方图均衡化处理后的各个分量图后，采用双阈值分割法并选择合适的分量图和阈值，对火焰区域和烟雾区域进行了初步的分割。通过形态学的膨胀、开运算、闭运动以及区域空洞填充对初步分割图进行处理，得到效果更好的火焰区域分割图和烟雾区域分割图。在火焰和烟雾区域特征选择和提取部分，在介绍了颜色直方图特征、颜色矩特征和颜色梯度等多种颜色特征，以及运动物体的动态特征之后，探索了协方差描述子在表示火焰与烟雾图像的应用，并且为了将协方差描述子与后面介绍的分类算法相结合，提出了协方差描述子的有效信息等价的向量表达方式。本文在火焰与烟雾区域的搜索策略方面，介绍了穷举法、遗传算法跟粒子群算法、网格平铺法及其改进方式，并分析了各种搜索策略的优劣和适用场景，然后探索了遗传算法和粒子群算法在火焰与烟雾探索定位中的参数优化设置。在火焰和烟雾区域分类识别算法中介绍了最简单的模板分类法、AdaBoost算法、支持向量机算法及基于稀疏表达的分类算法，并探索了AdaBoost算法和支持向量机算法在火焰与烟雾区域分类识别中的参数设置，及研究了通过匹配追踪和正交匹配追踪求解基于稀疏表达的分类算法的优劣。在本文的火焰和烟雾区域分类识别实验中，涉及到颜色矩特征和协方差描述子两种特征，遗传算法跟粒子群算法和网格平铺法三种搜索策略，以及模板分类法、AdaBoost算法、支持向量机算法和基于稀疏表达的分类器四种分类算法，将这些特征提取、搜索策略和分类算法进行适当的组合和集成，并展示和分析火焰和烟雾区域分类识别实验的结果。本文最后综合所涉及的图像处理技术以及实验结果，认为协方差描述子能够更准确地表达火焰和烟雾区域，而通过正交匹配追踪求解的基于稀疏表达的分类算法的准确率更高。基于上述特征提取和分类识别的算法，开发了一个适应复杂环境具有较高鲁棒性的火焰与烟雾自动探测系统软件包。