我国森林火灾频繁地发生，导致森林面积逐年减少，森林资源日益宝贵。传统的火灾探测技术已经不能满足现代化的需要，作者在研究了传统火灾探测的基础上，结合森林火灾发生时客观存在的规律，分析了SIFT特征在图像处理方面具有许多优越性，其在图像处理方面具有旋转、尺度缩放、亮度变化保持不变性，而且对视角变化、仿射变换、噪声也保持一定程度的稳定性，适合用于森林火灾图像识别。进而提出了基于SIFT算法的森林火灾识别图像处理方法，有效地克服了传统监测技术的缺点，解决了大空间火灾预警的难题。本课题主要是在系统硬件平台的基础上，主要采用SIFT算法对监控图像进行处理，根据火灾图像的特点分析、判断、识别火情，实现森林火灾的智能监控。作者在本课题中主要完成的工作有：1、研究分析了SIFT算法及其流程，在Matlab环境下编程实现了该算法，并运行得出图像的特征点数目，实现了两幅图像之间的匹配。2、在校园树林里做了三次户外点火实验，拍摄了许多图片，给实验提供了分析和研究的材料。3、在研究主体SIFT算法基础之上补充了图像轮廓监测算法，HIS归一化模型检测算法，神经网络的火灾图像识别算法，RGB分通道色点累计实验这几个方法，在一定程度上完善了单一识别方法的不足，减少了误判，提高了识别的准确性。4、编程实现了做差图像轮廓检测和RGB分通道色点累计实验，实验结论和预期效果基本一致。本课题以SIFT算法为核心对采集的图像进行连续处理，结合其它一些辅助的识别算法，基本实现了森林火灾智能识别这一目标，并从实际出发，检验了本课题提出的相关设想，达到了预期的效果。