针对外界环境噪声等因素造成损伤因子不敏感，导致复合材料损伤识别困难和成像误差大等问题，提出了一种基于经验模态分解（Empirical mode decomposition, EMD）和相关系数的损伤因子。用空气耦合探头采集损伤前后的Lamb波信号进行EMD分解获取多个（Intrinsic mode function, IMF）分量。根据相关系数获取与信号相关性最大的IMF分量，并定义其能量值的相对变化为损伤因子。在模拟噪声环境前后，分别对玻璃纤维增强聚合物复合材料（GFRP）板中的分层缺陷进行识别和扫查成像，验证了该损伤因子的有效性。结果表明：信号经过EMD分解后，与其相关性最大的IMF分量对损伤最为敏感，能够定义为识别损伤的损伤因子。将该损伤因子结合概率成像方法进行空耦Lamb波扫查，不仅能够有效对复合材料中的缺陷进行成像，而且在模拟强噪声环境中具有良好的抗噪性。