摘要：森林火灾图像识别是森林防火监测系统的核心。目前的主要研究多在图像的向量模式表示上展开。由于向量模式的样本数由图像分辨率决定,易导致模型训练的负担过重。样本类别标记的准确性,直接影响后续的模型训练和目标识别。而目前的类别标定工作多采用手工或图像预处理方法完成,任务繁琐且容易出错。此外,由于像素位置在图像向量化过程中被调整,不可避免地会损失图像原有的结构信息。鉴于此,提出了基于矩阵分块的半监督学习算法Semi-MHKS,优势在于:①矩阵分块形式的样本数远低于向量模式,可有效缩短训练和识别时间;②只需标记分块类别,更有利于准确标定样本类别;③采用双线性判别函数,设计了针对林火问题的半监督学习算法;④证明了算法的收敛性。与支持向量机(SVM)、MHKS和半监督的LapMatLSSVM方法相比,在林火图像和视频上的实验验证了Semi-MHKS的具有较高的识别率和较低的训练时间。