机场跑道异物对飞机在跑道上的滑行和起降存在严重安全威胁,会造成航班延误、中断起飞,甚至危及乘客生命。跑道异物检测与识别系统可以有效地对跑道异物进行检测并识别分类,分析跑道异物对飞行安全的危害等级并进行报警。目前中国的机场跑道异物检测与识别系统的开发研制尚处于起步阶段,而进口的机场跑道异物检测与识别系统价格高昂,仅购买成本就高达几百万美元,后期维护费用更是开支庞大。且进口的机场跑道异物检测与识别系统核心技术不公开,无法获得其关键技术。现阶段我国机场对跑道异物的检测只是按照固定的时间,组织工作人员进入跑道近距离搜寻跑道异物,搜寻速度慢,占用跑道的时间长,且人工搜寻的可靠性较差。因此,我国必须加快自主研发跑道异物检测与识别系统的步伐。与其他检测系统相比,基于视频的检测系统具有监视范围较广和检测信息较全等优点,本文主要研究基于视频的机场跑道异物检测与识别系统。考虑到车载式视频检测系统的可行性和灵活性,本文在巡道车上安装摄像机及信息处理设备,构成一个可移动的、多信息融合的跑道异物视频检测与识别系统,能在较短的时间内完成异物的检测和识别分类。本文的主要研究内容可概括为以下四个部分:1.基于多特征融合的机场跑道异物检测在异物检测领域中得到广泛应用的背景差分法并不适用于车载式跑道异物视频检测系统,因为车载式跑道异物视频检测系统无法获得较短时间内同一区域的跑道背景,从而无法构建跑道背景。因此本文针对车载式跑道异物视频检测系统的特点,提出一种基于多特征融合的跑道异物检测方法。考虑到基于单一特征的跑道异物检测方法的局限性,本文提出从灰度、傅里叶频谱、边缘、纹理、形状等多个特征对跑道道面及异物进行分析;考虑到多特征融合的特点,本文采用D-S证据理论融合灰度、边缘、亮度等特征,进而实现对跑道异物进行检测。同时本文利用车载式跑道异物视频检测系统中连续采集图像的优势,提出采用多帧叠加的方式实现能量积累,在减弱随机噪声的同时,增强目标异物的信号强度,从而提高信噪比,优化图像质量。实验结果表明,与使用单特征检测相比,本文所提出的特征融合检测方法能够通过有效的特征融合提高检测精度,在线检测可以达到95.85%的准确率,使用多帧叠加对较小异物的离线检测查准率可以提高1.37%。2.机场跑道异物模式特征提取虽然前述已经对跑道异物的特征进行了分析,但其目的是为了实现跑道异物的快速精准检测。而在实际情况中,为了减少对跑道不必要的占用,保证飞行任务的准时和顺利进行,工作人员会根据跑道异物的危险等级,做出不同的处理方案。但是初步的异物检测并不能够实现危险等级的判断,因此本文进一步研究跑道异物的识别,实现跑道异物的归类、危害等级的划分,从而指导工作人员对跑道异物进行快速合理的处置。机场跑道异物模式特征的提取是跑道异物识别的基础,本文基于小波变换的优越性,选择gabor小波函数构造gabor滤波器,对机场跑道异物的模式特征进行提取。本文进一步通过实验验证基于gabor滤波器构造的跑道异物模式特征的有效性和可靠性。实验结果表明,二维gabor滤波器能够较好地适应图像的亮度变化,即对于光照变化的异物图像,二维gabor滤波器对亮度的响应特性较为稳定。此外,二维gabor滤波器对位置的响应特性具有一定的鲁棒性,可以减小由于图像轻微形变产生的噪声。3.机场跑道异物模式特征降维gabor变换会导致极高的特征空间,给计算机的识别计算带来困难。因此,将高维特征空间映射或变换到低维特征空间,可以有效的缓解高维特征给计算机带来的数据计算压力,提高计算机的识别效率,增强低维空间特征的有效性。通过分析目前降维方法,例如主成分分析、线性判别分析、局部线性嵌入等存在的问题,本文提出一种加权核局部线性嵌入降维方法,并通过实验验证本文提出的加权核局部线性嵌入算法在数据降维性能和识别性能上的优势。实验结果表明,本文提出的加权核局部线性嵌入算法在维数降低为30时,近邻数为30所得到的识别性能最好,优于其他传统方法。4.机场跑道异物识别分类针对目前分类算法中训练时间长、对不均衡样本适应性差的问题,本文提出一种基于双支持向量机的有向无环图多分类方法——有向无环图-双支持向量机(dag-twsvm)。采用有向无环图的决策方法将k分类问题分解为(7)(8)kk-21个二分类问题,然后以双支持向量机将每个二分类问题分解为求解两个简单的二次规划问题。将本文所提出的新方法与传统的多分类支持向量机进行比较,通过实验验证本文的有向无环图-双支持向量机的高效性。实验结果表明,与传统的多分类支持向量机相比,本文所提出的有向无环图-双支持向量机在保证分类正确率的基础上更能显示出训练时间上的优越性。在不均衡样本情况下,也可以得到较高的分类精度。本文研究基于车载视频的跑道异物检测与识别系统,对跑道异物检测、模式特征提取、特征降维、异物识别分类等关键问题进行研究,提供一种低成本的、机动性强的跑道异物检测与识别系统解决方案,这一工作的开展对国内现有跑道异物检测与识别系统的研究是一个有力补充。本文取得的创新性研究结果总结如下:1.本文提出一种基于特征融合的机场跑道异物检测方法,解决了先前跑道异物检测方法的局限性,优化了机场跑道异物检测与识别系统的设计方案。本文通过在机场跑道上的实际测试实验,通过比较单特征检测和多特征融合检测的多项性能指标,即查准率、查全率、虚警率和漏检率,验证了所提出的基于特征融合的机场跑道异物检测方法的有效性,实现对机场跑道上的异物进行及时准确的检测。2.本文提出在异物检测的基础上,进一步利用车载视频对跑道异物进行识别分类和危害等级划分。本文构建了较为全面的跑道异物图像库,为机场跑道异物检测与识别系统的发展和优化提供所需要的基本资料和统计分析。本文利用Gabor小波函数对机场跑道异物的模式特征进行提取,并通过实验验证基于Gabor滤波器构造的跑道异物模式特征的有效性和可靠性。3.本文提出一种加权核局部线性嵌入降维方法,减小了噪声和样本外点对降维和分类性能的影响,并将所提出的方法与经典算法PCA、LDA、LE、LLE等降维方法在自主建立的机场跑道异物图像库中进行对比实验。实验结果表明,本文提出的加权核局部线性嵌入算法的数据降维性能和识别性能均优于其他传统方法。4.为了实现对跑道异物的识别分类和危害等级划分,本文将新兴的双支持向量机引入传统的有向无环图-支持向量机,充分利用各自的优点,构造了一种新型支持向量机——有向无环图-双支持向量机,将训练时间大大缩短。同时,在处理样本不平衡数据集时,本文算法也可以得到较高的分类精度。