焊接是实现材料连接的关键加工技术,焊接质量优劣将直接影响结构性能。随着制造业智能化程度的总体提升,基于X射线图像检测焊接质量缺陷的人工评定方式因易受主观因素制约而逐步被淘汰。近年来,围绕焊接高效化、智能化发展方向,实现焊接缺陷的自动检测和识别成为多个行业的迫切需求,具有重要的理论意义和工程价值。本文围绕基于视觉的焊接缺陷自动识别方法展开研究,致力于解决其中的图像去噪、图像分割、缺陷特征选择及焊接缺陷分类等难题,为推进焊接行业的智能自动缺陷检测提供关键技术。对此,本文主要工作如下:针对焊接射线图像中存在的光照不均、对比度低等特点,使用二次多项式变换实现射线图像的灰度变换。考虑焊接图像存在较大噪声干扰问题,提出一种自适应中值滤波与多尺度形态学结合的二次滤波算法,在抑制噪声的同时最大程度地保留焊接射线图像的细节。实验表明本文的灰度变换和二次滤波算法在图像预处理方面的有效性。焊接射线图像常常存在目标边缘模糊、对比度低,以及缺陷多样性等问题,这些问题是焊接射线图像缺陷分割的主要影响因素。本文提出基于平均滑动直方图的活动轮廓模型,算法在传统活动轮廓模型的基础上,引入平均滑动直方图进行非参数概率密度估计,使模型的驱动按照梯度力和统计压力值进行。使用统计信息解决了焊接缺陷射线图像受噪声影响较大的问题。应用免疫算法,提出了具有强全局搜索能力,并行处理等特点的免疫优化活动轮廓模型。免疫克隆算法应用于优化影响活动轮廓模型的运行速度和目标特征提取的控制因子,梯度力和约束力权重。为了确保获得活动轮廓模型中三个参数的最优值,利用克隆选择算子,克隆扩增算子和克隆变异算子来完成免疫优化算法。引入免疫算法解决了初始化受限和对焊接缺陷边界难准确分割等问题。将此两种算法应用于焊接X射线图像分割的结果表明,该算法可以很好的完成弱边缘目标分割,其组合性能明显优于传统活动轮廓模型算法。针对焊接射线图像中缺陷的特征描述和选择问题,本文提出基于全局和局部信息融合的核主元分析和局部线性表示的流形间距算法应用于焊接缺陷特征选择。该方法首先利用核主元分析算法最大程度地保留原始数据全局非线性信息;然后利用局部线性表示的流形间距算法充分挖掘出数据的局部流形结构信息。实验结果表明:该方法能够全面地保持全局和局部信息,有效地完成焊接特征的选择,去除冗余和无效特征。最后,针对焊接缺陷分类为不平衡样本分类问题,利用支持向量机的良好学习性能和泛化能力,提出了一种改进的混沌免疫算法求解优化问题,利用混沌免疫算法的遍历性优化支持向量机参数。在混沌免疫系统中,构造了改进Logistic映射,可以有效地克服Logistic映射中的吸引子问题,提高混沌优化的遍历性。此外,改进了混沌扰动参数,以确保更好的优化结果。实验证明:该算法优于传统的分类方法,显著提高了焊接缺陷的分类精度。