超声TOFD技术在对缺陷进行检测时,具有检测效率高,鲁棒性强,定位准确,更为直观等优点。但同时超声TOFD图像容易受噪声的影响,导致图像信噪比低,不利于后期的缺陷识别。因此需要运用图像处理的方法对采集的图像进行配准。本论文首先详细介绍了TOFD技术原理、图像显示原理和数学计算模型,然后运用TOFD实验装置获取了一系列的TOFD原始图像,将这些原始数据用于图像配准工作。论文还介绍了图像配准原理以及常用的三种方法,分析了三种方法的优劣势与适用的图像类型。采用局部相位相关的算法,对TOFD图像进行配准,从相关度,信噪比,方差三个方面分析了实验结果,验证了算法的可行性,实现了图像的亚像素精度配准。此外,将TOFD图像与SIFT算法相结合,运用SIFT的方法配准。由于传统SIFT算法配准时,固定阈值不能适用所有的图像,本文运用自适应阂值的方法,检测图像中的特征点,通过RANSAC对特征点进行优化,保证匹配的正确率,简化了计算量,增强了SIFT算法的鲁棒性与精度。通过实验验证随机抽样一致(RANSAC)近似计算重复率是可靠的,可以通过重复率来衡量TOFD图像匹配程度,重复率越大则匹配越准确,阈值参数更合理；反之,则匹配不准确,阈值参数没有达到最优。最后,为了获取缺陷的信息,将SIFT配准后的图像运用Canny检测算子进行缺陷检测,在对缺陷的提取与识别中,选取不同的阈值参数,调整缺陷的提取数量,保证每一个缺陷被检测出。实验表明,该方法能很好地将缺陷进行识别,并得到一系列的缺陷信息参数,其中包括曲率,几何中心点位置,缺陷面积,像素大小等。