实现汽车轮毂缺陷检测的自动化,对提高汽车轮毂生产效率、降低制造成本等具有重要意义。本文在分析轮毂铸件缺陷图像特征的基础上,通过缺陷目标区域提取、种子填充二值化和模糊模式分类识别来实现轮毂缺陷的自动检测。开发了汽车轮毂缺陷自动检测系统,并通过实验对算法进行了验证。实验结果表明,该算法不需要对轮毂图像进行预处理、可以检测各种缺陷类型,对对比度低、高噪声、产品结构和图像背景复杂、(射线)光照不均匀的图像也能处理,不需要标准参照图像,算法效率较高,能够满足工业应用的要求。本文的主要研究内容如下:第一章介绍了图像处理和模式识别的产生、发展与应用现状,阐述了轮毂缺陷自动检测技术研究的重要意义及其研究现状,详细分析了现有方法的缺点与不足,最后,给出了本论文的具体研究内容和技术路线。第二章分析了轮毂X射线检测图像中各种因素引起的不同灰度变化的特征,提出了用于缺陷定位的山峰定位法,介绍了山峰定位的概念和原理,提出了基于山峰定位和数学形态学的缺陷目标区域提取方法。第三章分析了常用的图像分割法和ROI法对轮毂缺陷信息提取的无效性,研究了种子填充法在缺陷信息提取中的应用,提出了基于缺陷小块与目标区域边缘检测的种子填充方法,解决了种子填充法在轮毂缺陷检测中的两大难点——种子点生成与生长障碍形成。第四章在获取轮毂缺陷信息的基础上,研究了轮毂缺陷的分类识别,分析了各模式识别方法的优劣势与适用场合,研究了模糊模式识别方法在轮毂缺陷分类中的应用的可行性,并且提出了基于递进的模糊模式识别方法,验证了其有效性。第五章将基于山峰定位和数学形态学的缺陷目标区域提取方法、基于缺陷小块与目标区域边缘检测的种子填充法和基于递进的模糊模式识别的研究成果应用到轮毂缺陷的检测中,开发了具有三个功能模块的汽车轮毂缺陷自动检测系统,并且对系统进行了实验验证。第六章总结了本文的主要研究内容和成果,并给出了今后进一步的研究展望。