金属构件发生疲劳损伤具有复杂性。大部分构件在使用过程中不可拆卸,传统的力学分析、晶粒分析等方式很难实时监控金属的疲劳损伤程度。实际上,在金属构件发生疲劳损伤过程中,构件表面纹理不断变化,不同疲劳损伤程度的金属构件表面偏振特性存在显著差异。偏振成像可以根据物体表面偏振特性的差异凸显物体的边缘、纹理和细节特征,再通过不同偏振方位角的偏振图像解算出物体表面的偏振度、偏振角等偏振信息,分析和模拟出金属构件表面偏振信息与金属构件疲劳损伤程度之间的数学关系,进而可以通过金属表面的偏振特性来预测金属的疲劳损伤程度。偏振成像因各通道的不一致性易造成不同偏振方位角的偏振图像之间存在位移、视角和光照的差异,为了精确解算出偏振信息,需要对不同偏振方位角的偏振图像之间进行配准。配准的关键步骤是通过特征点检测算法找出图像之间精确的对应关系,传统的SIFT和SURF特征点检测算法能够适应图像间的旋转、视角、尺度等变换,但是由于采用线性扩散滤波构造特征空间,造成图像的边缘和细节特征点丢失,进而不能精确找出图像之间的对应关系。KAZE算法采用各项异性热扩散方程构建非线性尺度空间,在滤波过程中保留图像的边缘和细节特征点。基于此,本文针对金属结构件表面疲劳损伤特征检测的难题,引入偏振光检测方法,重点对影响偏振图像配准精度的特征点提取问题展开研究,主要内容包括以下三个方面:1)金属构件发生疲劳损伤过程中,表面纹理的变化从有规律到无规律,改变了金属表面的偏振特性。通过实验分析得出:金属构件发生疲劳损伤过程中,表面先是有规律的晶粒滑移,随着疲劳周次的增加,表面会出现裂纹。而从解算偏振度图像的信息熵可以看出,疲劳周次与金属表面的偏振特性有一定的对应关系,这为通过偏振特性预测金属疲劳损伤程度提供了可能。但是不同偏振方位角的偏振图像之间需要通过特征点检测算法找出精确对应关系以进行配准,否则易解析出虚假偏振信息,而传统SIFT和SURF算法对偏振图像的边缘特征点很难精确检测。2)KAZE算法采用各项异性热扩散方程构建非线性尺度空间,在滤波过程中保留图像的边缘和细节特征,但是也将P-M模型中非线性方程无解和扩散滤波速度快造成图像弱边缘丢失的不足引入算法中,针对这一问题,提出一种改进KAZE的偏振图像特征点检测算法(CKAZE)。在该算法中,首先根据KAZE算法和能量泛函原理构建出一种自适应扩散滤波函数,该函数可以使得非线性扩散方程的解唯一存在,还将图像的弱边缘特征进行保留,提高了特征点描述向量的精度,进而降低了特征点的误匹配率,最后采用Mikolajczyk标准数据库和金属疲劳损伤过程中偏振图像进行特征点匹配实验,从实验结果看,CKAZE算法非线性扩散解具有唯一性,非线性尺度空间中图像的弱边缘特征能够很好的保留,特征点匹配正确对数相对提高。3)KAZE算法对结构单一的图像检测能力下降且对于图像亮度、对比度变化敏感,因而不可以适应环境的复杂性。基于此,提出一种非线性偏振图像的特征点检测算法(NPI),该算法采用非线性扩散滤波构建非线性尺度空间,将弱边缘检测能力较强的Hessian行列式与强边缘检测能力强的Laplace算子的比值作为特征点的判别据。最后采用点、线图像,Mikolajczyk标准数据库图像和部分复杂环境中金属表面的偏振图像进行特征点检测,从各项实验结果来看,该算法对结构单一的图像和部分复杂环境的图像依旧可以有很强的特征点检测能力,为通过偏振图像研究疲劳损伤提供了坚实的基础。