机场跑道异物检测系统中的异物通常指可能损坏飞机的某种外来物质,简称FOD(Foreign Object Debris)。机场跑道上的异物对飞行器有很大的威胁,一个锋利的物体如金属片或石头都可能刺穿轮胎引起爆炸,而轮胎产生的碎片可能会损坏飞机发动机等其他重要部件。FOD不仅损坏飞行器,夺去宝贵的生命,而且也给机场、航空公司、社会带来巨大的经济损失。国内外目前已研制成功的FOD检测系统主要是通过可见光和雷达技术,实现对机场跑道上异物的发现、识别、定位、记录和处理。通常情况下,机场跑道异物检测系统主要由视频系统、雷达系统以及综合显示系统三部分组成。视频图像处理系统采用了两种主流的异物检测算法:静态异物检测算法和差分图像异物检测算法。静态异物检测算法需要异物的先验知识,且前期需要大量的样本训练分类器,对异物的大小和形状比较敏感,但此算法只需要前景图像,不需要与背景图像进行配准,在检测到异物目标后此算法也可以根据提取到的该目标的特征进行异物识别和分类。而差分图像异物检测算法需要前景图像与背景图像进行配准,但方法简单高效,对异物的形态和大小不敏感。正因为这两种检测算法各有其自身的优势,所以在本文所讲到的视频图像处理系统中采用了两种算法,让两者优势互补。本文将重点研究基于差分图像的异物检测算法,所做的工作如下:1.文中第二章针对整个机场异物检测系统的技术和检测要求,作者参与并设计了云台方案、图像采集方案等系统方案设计。接着采用Adaboost分类器方法判断当前时间段是否属于检测时间段,根据检测结果作相应情况处理。2.在第三章采用了一种新的基于标志线的配准方法,该方法适用于机场或路面图像的配准,而且方法简单高效,能满足系统的实时性。其中从背景提取标志线时,采用了基于直方图均衡的原理所提出的直方图均衡波形分析法,它能够很好的保留直方图波形分析法受光照条件影响较小的优点,又能适用于图像直方图波形不规则的情形。3.第四章中采用了一种基于图像灰度直方图信息获取差分图像分割阈值的方法,此方法能很好避免光照和路面差异所造成的虚警。4.第五章介绍基于差分图像的机场跑道异物检测算法的最后一个模块,即虚警目标的去除以及目标提取。在此章中采用了一种基于形态学方法去除虚警的方法,它能够很好保留真实目标的情况下去除虚警目标。另外,本章还提出背景图像更新机制,它能使背景图像随着一天的光照情况的不同而进行实时更新。通过实验结果表明该差分图像异物检测算法方法简单,具有很好的通用性、稳定性,可以检测出小目标,检测速度快,检测准确率高,能够满足实际飞机跑道异物实时检测的需求。