轮胎缺陷无损检测技术对于交通安全、轮胎工业以及翻新轮胎产业的发展有着重要的研究意义。随着对缺陷检测方法的不断研究,基于计算机视觉的轮胎缺陷无损检测方法在轮胎工业中得到了快速的发展,国内外学者对自动无损检测技术的诸多工业应用提出了许多方法。但是,由于轮胎缺陷的多样性和问题的复杂性,轮胎缺陷自动无损检测仍然是一个富有挑战的研究课题。本文利用图像处理、图像分析和模式分类等技术,对基于计算机视觉的轮胎缺陷自动无损检测的关键技术进行了较为系统的研究。以轮胎激光剪切散步干涉图像和X射线图像为检测对象,以图像增强、图像分割、图像边缘检测、小波多尺度分析以及模式分类技术为主要方法,设计缺陷信息的检测和获取的关键算法,建立了基于计算机视觉的轮胎缺陷自动无损检测系统的体系结构,并对提出的方法进行了系统的实验验证。论文的主要创造性研究成果如下：1.为了避免轮胎X射线图像多种不同纹理对缺陷检测的不利影响,提高缺陷检测算法的鲁棒性和检测准确率,提出一种基于纹理分析的轮胎X射线图像分割方法,利用Gabor纹理分析和模糊c-均值聚类方法将轮胎X射线图像按不同结构分割为胎侧图像和胎面(含胎肩)图像。通过实验获得针对被分割图像最优的Gabor滤波器组参数,设计对于目标图像具有较强的类别表征能力的Gabor滤波器组。利用模糊c-均值聚类算法对Gabor滤波后特征图像进行聚类分割,得到轮胎X射线图像的不同纹理目标区域的分割结果。实验结果表明,轮胎X射线图像中不同纹理部分被清晰而准确的分割出来,相同纹理目标的区域具有较好的连通性,使得模糊c-均值聚类分割能够得到理想的分割效果,为下文缺陷检测算法设计打下了基础。2.针对胎侧X射线图像的特点,提出一种基于全变分图像分解的胎侧缺陷检测方法。通过全变分图像分解将胎侧X射线图像分解为胎侧的帘线成像分量和胎侧橡胶成像分量,以便于分别设计算法检测帘线缺陷和胎侧橡胶中的异物、裂纹或气泡缺陷,从而避免不同类型缺陷检测的相互干扰。3.提出一种基于Curvelet图像增强和改进的Canny算子的胎侧橡胶缺陷检测方法。利用Curvelet:变换对线奇异性的表征能力,对胎侧橡胶成像进行分段非线性增强,达到增强缺陷边缘和降噪的目的。对增强后的图像利用改进的Canny算子检测缺陷剪切散斑干涉边缘,提高边缘定位精确度。试验结果表明了本文方法对定位出轮胎缺陷的有效性。4.对于胎侧帘线缺陷提出一种基于像素统计特征的胎侧帘线缺陷检测方法,通过标记帘线区域像素级的统计特征,设计了帘线缺陷检测判据和算法实现帘线缺陷检测。5.通过局部正则性分析来表征轮胎缺陷检测问题,分析背景纹理和缺陷边缘的尺度特征,得出缺陷边缘相比背景纹理具有更大的尺度特征的结论。提出一种基于小波多尺度分析的轮胎X射线图像缺陷检测算法,设计基缺陷边缘评价函数的缺陷检测的最优尺度和阈值参数,利用数学形态学运算去除残余的无关信息并标注出精确的缺陷边缘。对胎面缺陷和胎侧异物、气泡等缺陷图像进行实验的结果表明,该方法可以有效的检测胎面缺陷和胎侧橡胶中的缺陷。6.提出一种基于支持向量机(SVM)的轮胎缺陷模式分类方法。对检出的轮胎缺陷建立样本集,针对轮胎缺陷多种类、多尺度和类内缺陷特征不紧致的特点,提取缺陷样本集的几何特征、灰度特征及灰度共生矩阵的二次统计量特征。利用以上缺陷特征量,建立具有同类目标紧致性的特征空间。分析了SVM分类器的不同核函数的特点,通过交叉验证计算SVM分类器的最优惩罚参数C和RBF核函数的参数6,最后通过实验验证了该分类方法的有效性。