在现代钢管焊缝缺陷检测中,常采用人工评阅X射线底片的方法,人工评阅主观性较大,评阅人员在大量重复性的脑力活动下,极易产生疲劳,很大程度上影响了检测的效率和准确性。基于图像的焊缝缺陷自动识别系统能够克服人工评阅的一些缺陷,国内外研究人员在缺陷提取和识别方面展开了广泛而深入的研究,已取得了大量的研究成果,但是在不均匀背景下细小缺陷的准确检出,各种缺陷有效特征的分类和自动识别等问题上仍然存在很多不足。本文以基于X射线的焊缝图像为对象,对缺陷的特征提取和自动识别进行了深入的研究。首先,对焊缝图像采用均值滤波和中值滤波相结合的方法进行预处理,并研究和对比了两类图像增强算法,选择了直方图均衡方法进行图像增强,然后采用迭代阈值图像分割算法对焊缝区域进行分割,并对焊缝缺陷进行特征提取和特征选择,最后,采用基于二叉树的SVM分类器方法对焊缝缺陷进行分类识别。本文的工作内容和创新工作主要体现在：1、研究和对比了几种图像去噪的技术,并对当前主流的图像增强算法进行了研究对比,针对焊缝缺陷图像的特点,并结合实验结果,选择了均值滤波和中值滤波结合的方法以及直方图均衡化方法进行焊缝缺陷图像预处理。2、研究了常见的图像分割算法,针对焊缝图像的特征,选择迭代阈值图像分割算法对焊缝缺陷区域进行分割。3、选择了纹理特征参数和几何特征参数作为图像识别的特征参数,在特征参数的选择方面,提出了一种基于相关度的类内方差特征选择算法,该算法能够较好的选择出适合描述焊缝缺陷的特征。4、使用轮廓跟踪法对几何特征进行了提取,提出改进的局部三值模式,即完全局部三值模式(CLTP)算法对纹理特征进行提取。5、对普通的SVM分类方法进行研究,采用基于二叉树的SVM分类器实现对焊缝缺陷进行了识别分类。