工件裂纹检测方法多种多样,相比价格比较昂贵的超声波探伤仪,荧光磁粉裂纹检测因成本低、灵敏度高以及检测速度快等优点而被广泛使用。由于传统的荧光磁粉表面裂纹检测主要依靠人工判别来实现的,这种方式检测的效率较低且判断精确度不高或者是因视觉疲劳而出现误检,同时人体长期在紫外光环境下工作易危害身体健康。因此,研究基于数字图像处理和模式识别技术的荧光磁粉裂纹自动化检测方法具有重要的理论意义和实用价值。本文重点研究了荧光磁粉图像裂纹自动检测的图像预处理、图像分割、特征提取以及裂纹识别等4个关键步骤。首先,采用加权有向平滑滤波去除噪声的方法对图像进行预处理,旨在对图像进行去噪的同时能够尽可能的保留边缘信息,为后期的灰度-梯度共生矩阵最大熵图像分割提供有利条件。实验结果表明,与传统的均值滤波和中值滤波等去噪方法相比,此方法去噪效果更佳,更好地保留边缘信息,避免边缘模糊化;其次,给出基于遗传算法的灰度-梯度共生矩阵最大熵分割改进算法,有效解决了传统灰度-梯度共生矩阵最大熵分割产生的裂纹断裂现象,提高了分割运算速度。为了消除基于遗传算法的灰度-梯度共生矩阵最大熵改进算法对荧光磁粉图像分割引入的噪声,提出了点邻域搜索方法,完善图像的分割质量;再次,根据裂纹与非裂纹图像在形状、灰度以及梯度信息的差异性,本文采用Hu矩不变量和梯度方向直方图(HOG)描绘子作为分类器的输入样本,并针对HOG描绘子给出基于霍夫变换的改进方法;最后,针对支持向量机算法中人为选取惩罚因子和核参数的缺点,给出基于粒子群寻优(PSO)的SVM荧光磁粉裂纹检测改进算法,进一步提高裂纹的识别率。