近年来,随着航空科学技术的迅速发展,民用航空交通运输业在人类生活中扮演的角色越来越重要,军用航空的战斗力水平也直接决定了国防建设的进程,因此,保障民用和军用飞机的安全飞行具有非常重要的现实意义。然而,机场跑道异物(FOD)给飞机的起落安全带来了严重的威胁,并且已经造成了惨重的损失。针对这一问题,本文在机器视觉和数字图像处理的理论基础上,重点研究了机场跑道异物监测系统中的关键技术,初步实现了异物入侵的自动检测与识别,并设计和实现了基于机器视觉的机场跑道异物监测系统的软件原型。深入研究分析了常用运动目标检测算法的原理与优缺点,针对机场跑道环境相对单一的特殊性,采用自适应背景更新的平均背景减算法进行FOD检测。提取前N帧图像的灰度平均值建立了相对可靠的初始背景,利用当前帧图像与背景图像作减法运算得到了前景图像并且对其二值化,通过轮廓面积舍弃法消除了飞机等非异物目标的干扰,利用形态学操作对二值图像进行了后处理,最后得到了比较准确的检测结果。为了适应环境的实时变化,及时对背景图像进行加权更新处理;考虑到乌云等特殊天气带来的较大光照变化影响,对当前帧图像进行了光照检测并采取了自适应的背景更新率对背景进行更新,通过仿真实验验证了算法的有效性。由于机场跑道异物种类繁多,文中选取了几种比较典型的异物作为研究对象并分析其特征,采用旋转不变模式LBP算子提取了异物的纹理特征值作为分类识别的依据,将异物前景图像的纹理特征统计直方图作为分类器的输入;采用了基于二分类支持向量机(SVM)的多分类器进行分类,利用一对一的多分类方法进行了SVM离线训练,采用“投票法”的思想对在线目标实施分类。通过选取大量的正负样本进行仿真实验,结果表明目标识别正确率能够满足系统需求。设计并完成了机场跑道异物监测系统的软件原型,主要包括用户登录、视频采集、视频存储、跑道区域划定、异物检测识别和报警管理等六个功能模块。当监控窗口中出现异物入侵时,能够自动地对目标进行检测与识别,同时根据异物威胁等级给出报警信息。