随着航空科学技术的不断进步,航空交通运输产业的高速发展,民用机场数量、客运航班架次大幅增加。机场跑道异物对飞机起降过程的安全带来了很大的威胁。机场跑道异物检测系统可以有效的实时对机场跑道进行扫描并检测识别外来物,分析潜在威胁并自动告警。现在,机场跑道安全检测系统已经成为保证机场安全运行不可或缺的部分。多传感器目标检测识别技术是结合多传感器信息融合和目标识别两种技术实现的。多传感器目标检测识别技术是信息融合技术在目标识别领域的应用范例,它将多种传感器的信息有机结合,丰富目标的特征,产生比单一传感器更优越的检测和识别性能。机场跑道异物检测系统中传感器系统主要包括了毫米波雷达、可见光及红外摄像机,其各有优缺点:毫米波雷达具有高精度测角和测距等优点,但信号处理复杂,目标特征信息较少。可见光摄像机的图像细节信息丰富,对目标特征的描述准确,但也易受背景环境及天气的影响。红外摄像机可以测得目标的红外图像信息,在夜晚有很大优势,具有测角精度高、测量连续,干扰较少等优点,但测距距离有限,硬件成本较高。本文旨在研究机场跑道异物检测系统中各传感器特点及其任务分配和信息交换与处理,并重点研究了基于红外与可见光图像的机场跑道异物检测与识别算法。全文首先对国外现有机场跑道异物检测系统进行了研究与分析。之后根据毫米波雷达,可见光红外摄像机三种传感器的特点,设计了基于多传感器系统的机场跑道异物检测系统。针对可见光红外机场跑道图像的特点提出了一种基于Canny算子和背景模型的快速有效的机场跑道异物检测算法,针对机场跑道异物的成像特点,提取了目标的灰度、纹理、形状等多种特征对目标进行分析,并建立了目标的特征与威胁等级之间的关系模型,构建了基于人工神经网络的目标分类器,对机场跑道异物的威胁等级进行估计。实验结果表明,该方法可以有效的检测机场跑道上的异物,并对其进行分析与估计,能够满足系统鲁棒性及实时性的要求。最后,将本文中提到的机场跑道异物检测识别算法应用到“机场跑道异物检测系统仿真软件”中,取得了符合系统要求的实验结果。