脉冲涡流热成像无损检测技术凭借其高效快速、无需接触、检测方便等优点,迅速成长为无损检测领域的一个重要分支,也受到了来自国内外研究者的广泛研究,发展出了许多以此为基础的图像数据处理技术。由最初的人工观察判断缺陷,到后来基于时间域和空间域的一系列缺陷识别算法的提出,尽管目前能够完成缺陷的识别定位,但这些检测算法构建的检测模型往往是将红外图像看作普通光学图像进行优化处理的,无法与检测原理和成像机理进行联系,从而在进行缺陷识别时会丢失掉很多信息。因此构建更合理的红外图像增强算法模型,提高缺陷检测精准度对利用脉冲涡流热成像技术进行缺陷检测具有重要意义。本文研究的主要内容从以下几个方面展开:(1)理论研究和分析。本文首先对脉冲涡流热成像检测技术的原理和红外图像的成像原理进行了分析,然后以实验室的检测平台为例阐述了热成像检测系统的组成结构;然后以实验室的平台采集到的数据为基础进行了空间域的数据特征的分析和时间域的数据特征分析。(2)基于空间域特征的图像增强方法研究。首先提出了基于加权估计算法的红外图像增强算法研究,在模板点的选择上,为了消除图像中的高频噪声带来的影响,在选取模板点时设置了步长,以类似采样的方式,避免了高频噪声的影响,同时以模板与目标点温度差作为加权系数依据,消除了加热线圈对红外图像产生的干扰,提高了缺陷区域与背景区域的对比度;然后提出了基于改进的GAN算法的红外图像增强方法,对图像数据进行PCA和均匀采样处理,消除了热时间数据中的噪声,根据热数据产生的过程,通过邻域数据融合获得了更的训练数据,设计了新的损失函数提高了泛化性能,使优化后的图像中缺陷轮廓得到了明显增强。(3)基于时间域特征的图像增强方法研究。将红外图像时间序列中包含的物理信息与试件内部涡流的分布情况相联系,独辟蹊径从红外图像序列反推到试件中的涡流分布情况,并通过理论计算反推得到试件内部的涡流分布情况,然后利用迭代算法,能够有效且直观地观测到涡流在试件中的分布情况,从而发现缺陷的位置和轮廓。本文通过对脉冲涡流热成像检测技术的研究,利用实验室条件采集数据对在时间域和空间域的算法进行了验证,证明本文提出的方法能够以检测原理为基础构建算法模型并有效增强红外图像数据,挖掘深层缺陷信息。