森林凋落物主要有林中枯落的枝叶、树干以及林下枯落的草本植物、某些苔藓、地衣等等有机物质,当出现极端干燥天气,凋落物含水率过低,或者有雷火、外部火源出现时,就可能导致腐殖质阴燃。当林火被扑灭后,凋落物也容易发生回燃,导致阴燃火灾的蔓延。由于阴燃火灾没有火焰,处于火灾发生的早期阶段,极易被人忽略而引起大火。本文通过选取樟子松凋落物作为样本,利用红外热像仪进行樟子松凋落物的阴燃探测实验,为森林阴燃火灾的探测提供数据基础。论文的主要内容如下:(1)理论分析方面:结合红外热像仪的基本组成以及热成像的物理原理,阐述了红外线的基本特征和红外辐射的基本定律,详细介绍了一些基本的红外图像处理方法,包括中值滤波方法、小波变换去噪方法,基于边缘检测的分割方法和阈值分割法。(2)实验研究方面:在实验室条件下,利用红外热像仪具有的测温和成像两个功能进行樟子松凋落物阴燃探测实验,同时将探测目标的温度、形状参数变化率和面积变化率作为识别阴燃火灾的判据。(1)将凋落物加热至阴燃,在不同的林区风速、探测距离、探测角度的工况下,分别采用红外热像仪和热电偶进行测温,研究红外热像仪测温的使用精度和误差。利用MATLAB得出了在不同风速的工况下,红外热像仪测温的相对误差与探测距离、探测角度的二元二次非线性拟合方程,为林区阴燃火灾的探测提供数据基础。(2)利用小波阈值去噪去除图像中大部分噪声杂波,再采用形态学开运算进行边界平滑,完成阴燃火灾红外热像的预处理,在此基础上采用最大类间方差法对红外图像进行分割,完成阴燃火灾目标的提取,并提取探测目标的形状参数变化率和面积变化率。(3)对BP神经网络进行了训练,输入向量为温度、面积变化率以及形状参数变化率,输出为阴燃火概率。训练结果表明,在误差逆向传播迭代12次后完成了收敛。其次,运用15组样本对训练完成的BP神经网络进行了测试,结果表明,对阴燃火灾的识别率为96.6%。