森林火灾的自动识别对森林保护具有重要意义。由于森林图像背景复杂、火焰形状多变、与林火相似的干扰因素较多、缺乏森林火灾图像样本等问题，传统的基于图像的森林火灾识别方法泛化性较差，识别率有待进一步提高。针对上述问题，提出了一种基于图像生成和卷积特征融合的复杂背景下林火识别方法。首先，对森林火灾图像样本进行扩展。主要方法包括使用基于样式转换技术的生成对抗网络生成火灾图像，手动采集背景复杂的森林火灾图像，以及采集高度相似的非火灾反例图像，形成更复杂的火灾数据集。然后，利用卷积特征融合构建森林火灾识别网络，利用深度神经网络学习图像的特征，融合深、浅卷积特征，充分利用图像的语义和细节信息，增强特征的表示能力。最后，基于融合特征进行森林火灾识别。实验结果表明，该方法识别林火的准确率可达99.12%，具有准确率高、检测率高、误报率低等优点。可以看出，基于生成的图像扩展样本库并融合多层卷积特征的方法在林火识别中具有良好的效果，为其他样本缺乏的林火识别和目标识别任务提供了一种可行的方案。