机场跑道异物（Foreign Object Debris,FOD）泛指可能损伤航空器或系统的某种外来物质,对飞行器的危害巨大。作为起降阶段威胁飞机安全的致命杀手,会造成航班延误、起飞中断,甚至危及乘客的生命安全。目前国内外的机场跑道异物检测大多采用人工巡检的方式,该方式效率低、可靠性差。为了改变这一状况,国内外已开展FOD自动检测研究,并已有一些成果在一些机场上试用,主要是以塔式毫米波雷达为主、机器视觉为辅的检测机制,然而毫米波雷达成本极高,且一定高度的塔式系统经常受空管高度限制和场地限制,难以推广和普及,因此迫切需求研发一种灵活、高效、低成本又易于推广的机场跑道FOD检测系统。本文采用车载摄像头的方式采集数据,结合图像处理技术对机场跑道异物进行检测。本文主要对机场跑道的主结构提取、异物检测进行研究。首先,考虑到沥青材质的跑道会对微小异物的检测造成干扰,需要对机场跑道进行主结构提取。为此,本文分别对加权最小二乘算法（the weighted least squares method,WLS）和相对总变分模型（Relative Total Variation Model,RTV）进行了分析研究,并分别针对这两种主结构提取算法存在的问题做出了改进。然后,在主结构提取效果和提取速度方面,对比分析了这两种算法优劣,选择了改进后的相对总变分模型对机场跑道的主结构进行提取。最后,在完成主结构提取的基础上,采用改进后的像素自适应背景建模（pixelbased adaptive segmentation,PBAS）算法对跑道上的异物进行检测。综上,本文的贡献主要有以下三点:（1）提出了一种改进的加权最小二乘图像主结构提取算法。首先,针对加权最小二乘法受限于梯度大小,无法去除图像语义贡献低、规模小、对比度高的振荡细节（如纹理）的问题,本文提出了一种新的用于抑制图像纹理的平滑度权值,并对该权值的有效性进行验证;然后为解决在优化全局目标函数过程中,求解大型稀疏线性矩阵方程计算成本高的问题,本文采用代数多重网格算法作为共轭梯度法的预处理算子加快主结构的提取速度。（2）提出了一种改进的基于相对总变分模型的主结构提取算法。在相对总变分模型中,主要通过窗口固有变化量来区分纹理和主结构,但是该算法在滤除纹理时,提取出的主结构边缘容易被模糊。本文通过改进模型中的权重函数,在权重函数中引入周围像素与中心像素的梯度关系,从而提高主结构和纹理的对比度。改进后的算法在滤除图像纹理时,不会模糊主结构的边缘,主结构和纹理之间的差异更加显著。（3）在完成跑道主结构提取的基础上对跑道上的异物进行检测,提出了一种基于背景差分的异物检测算法。在背景模型样本中引入权重机制,提高背景模型的表达能力;在前景分类阶段引入计数机制,解决静止或低速运动目标检测不完整的问题;在权重值更新阶段,采用奖惩策略,增加背景模型样本中活性样本的权重值,降低非活性样本的权重值。提高了复杂背景下跑道异物检测的能力。实验结果表明,机场跑道主结构提取,能够减少跑道纹理对异物检测的干扰。然后使用改进的背景差分算法能够准确有效的对机场跑道异物进行检测。