表面缺陷和近表面缺陷的类型识别是定量激光超声无损检测中存在的基础性问题。在该领域的工作中,利用超声成像来重构多种缺陷几何外形的方式,需进行长时间全局超声扫描以及数据合成的离线数据处理阶段,并不能满足现在工业界对高速、在线的检测需求。本文提出利用特征提取算法,直接从信号中提取时域和频域特征,无需等待全局超声扫描以及数据合成。主要研究内容有:(1)研究了激光激发超声表面波的相关理论。采用三维有限元激光点源、热弹效应模型,以钢轨为实例,数值模拟了不同深度裂纹与表面波的相互作用,分析了不同深度缺陷回波的频谱特性,并归纳出缺陷深度与回波幅值、相位的关系;(2)研究了小波包软阈值去噪的相关理论。基于激光超声仿真信号,分别依据信噪比、相关系数、均方根误差来选择小波基、分解层数、阈值函数,优选了针对宽频带、非平稳的缺陷回波的去噪方案;(3)提出了基于小波包变换的缺陷超声波信号的时域和频域的特征融合算法,并对小波包能量、小波包局部熵等特征进行了特征可视化分析。经过分析,本文提出的小波包融合特征能够深度挖掘回波缺陷信号时频特性,具有良好的可分性,其可分性测度值达到9.84,高于其他特征。(4)采用基于线性判别分析的可分性测度和非线性支持向量机的识别的方法,开展以铁轨表面缺陷为例的小波包融合特征的性能评估,其支持向量机5折交叉验证准确率98.7354%,论证了小波包融合特征的优秀地挖掘信号时频信息的能力。本文探索了高精度(0.5mm)定量评估材料表面缺陷的领域,采用基于核主成分小波包融合特征和多维缩放小波包融合特征对缺陷分别进行基于支持向量机多分类检测和对比,最终核主成分小波包融合特征在5折交叉验证准确率达到98.7305%,为小样本高精度激光超声定量检测奠定了实践基础,验证了非成像式激光超声高精度定量评估的可行性。