为了观测高超声速飞行器头部模型在高温流场环境下的烧蚀现象,提取高超声速飞行器头部模型在烧蚀过程中的表面温度和烧蚀量。首先基于电耦合器件（Charge Coupled Device,CCD）相机比色测温数学模型,提出了基于比色测温的高温流场环境下烧蚀模型表面温度测量方法,该方法具有在较窄的波段范围内不用提前测量材料发射率的优势;然后利用改进的Canny边缘提取算法,设计了一种模型边缘点动态追踪的烧蚀后退量测量方法,与传统的烧蚀量测量方法相比能够直观地展示模型的整个烧蚀后退过程,并获取边缘点烧蚀后退量随时间变化数据。本文的主要研究工作如下:（1）基于辐射测温理论和CCD器件工作原理,建立了高温流场环境下烧蚀模型表面温度测量的比色测温数学模型,设计了一套模型烧蚀过程视频图像采集系统,该系统能够有效采集温度范围在2000℃左右的模型烧蚀视频图像。（2）针对CCD相机本身和烧蚀图像采集过程中噪声干扰的影响,采用了非局部均值滤波算法对模型烧蚀图像进行滤波处理。利用基于颜色信息的图像分割算法对模型烧蚀图像进行了分割,消除了背景干扰光对后续温度计算的影响。通过标定实验获得的CCD相机光谱响应系数,计算出了烧蚀模型表面的温度数据并获得了烧蚀模型表面的温度场分布。通过比色高温计采集的驻点温度数据对光谱发射率变化因子进行了计算。（3）改进现有的Canny边缘提取算法对烧蚀图像中模型边缘进行提取,并对获得的边缘图像优化处理,通过边缘追踪提取了边缘点的烧蚀后退量数据,获得了整个烧蚀后退过程的边缘追踪视频图像,结合提取的烧蚀后退量数据分析了模型表面特征边缘点在整个烧蚀后退变化过程。（4）针对获得的烧蚀量数据近似线性且随时间变化的特点,根据循环神经网络基本理论建立了基于LSTM网络的烧蚀量预测模型,同时采用最小二乘法对已获取的烧蚀量数据进行拟合与预测,评估了两种方法的回归性能指标,实验结果表明循环神经网络预测效果较好。