近年来随着中国民航业的高速发展,我国民用航空的市场规模已经位列全球第二的位置。伴随着民用航空规模的逐渐扩大,民航安全压力必然也会逐年增加。标记牌作为机场内的一套信息指示系统,可以帮助航空器在机场内安全有效的行驶。因此,检验标记牌的合格性对于保证机场安全、有效的运行具有重要意义。基于这一需求,论文针对标记牌信息测量关键技术进行了研究。结合先进的视觉测量技术,设计了一套可以自动测量标记牌关键信息的测量系统,以满足标记牌性能评估的测量需求。针对经典图像算法对于不同尺度的文字检测识别性能不稳定问题,研究了一套改进的基于ORB算子的文字检测算法。该方法充分利用了ORB算子检测性能,并通过特征融合、多尺度检测以及离群点剔除算法,提升了算法对于不同尺度文字的鲁棒性。为了提升现有算法的泛化能力,改善模型在真实场景下的抗干扰能力,研究尝试从深度学习的网络结构出发,为机场标记牌文字检测任务设计具有域不变性的网络结构,在不增加计算量的前提下提升算法鲁棒性。在标记牌色度、照度性能评估过程中,研究总结分析了涉及到的图像信号处理以及相机内参畸变校正等关键技术,最后针对目前的研究现状提出了一套更优的助航灯光标记牌的测量方案。实验结果表明,研究提出的改进的基于ORB算子的文字检测算法可以对于不同尺度的文字提取到更多有效特征点,定位精度更高。而跨域标记牌文字检测算法可以有效地使得模型更关注于目标本身,降低由外观差异而引起的特征散度,提升模型在不同测试环境下的鲁棒性和泛化能力。而研究提出的标记牌照度、色度信息测量方法有效降低了实验测量误差,提高了助航灯光标记牌性能评估实验的准确性和科学性。