机场跑道作为飞机起降过程的关键部分,关系到所有乘客、机组人员的安全,是机场安全重点活动区。机场跑道异物泛指可能损伤航空器或系统的某种外来的物质,对飞行器的危害巨大。国外系统由于技术垄断,购置成本以及运行维护成本高,在国内机场难以普及和推广。我国目前还没有成熟的具有自主产权的跑道异物检测系统。本文以机场巡道车作为移动平台,提出了一种基于视频的跑道异物检测系统方案。论文着重对基于光学视频图像的机场跑道异物检测和识别算法进行了研究。在机场跑道异物检测算法中,本文将人类视觉注意机制引入到基于视频的跑道异物检测中。在对经典Itti模型进行分析的基础上,进一步提取图像的亮度、颜色、边缘以及纹理等底层图像特征,再进行周围-边缘算子以及归一化处理形成各个特征显著图,然后依据显著图所含能量进行加权求和,合成最终的视觉显著图,最后采用自动阈值分割方法对检测到的异物进行提取。在机场跑道异物识别算法中,为降低虚警率,需要根据机场跑道异物危害性对检测到的异物进行分类。本文从高危、中危和低危FOD中分别选取三类典型的异物,提取其颜色以及纹理特征,选取了支持向量机、BP神经网络以及k-邻近法等作为基分类器,通过Bagging多分类器集成方法对异物进行分类识别。论文对上述算法进行了实验验证,实验结果表明本文基于视频的机场跑道异物检测算法在合成的显著图上目标与背景灰度差明显,分割效果明显,对细小的异物也有很好的检测效果;识别算法通过交叉实验结果显示,基于多分类器集成的分类相比单分类器的分类效果更好。