工业CT是20世纪80年代发展起来的先进无损检测技术。由于工业CT不受被检测物体的材料种类、形状结构等因素影响,能以图像的形式,清晰、直观、准确地呈现被测物体内部的结构、密度变化以及缺陷的性质、位置及大小,不仅有很高的空间分辨率,而且有很高的密度分辨率。工业CT作为一种无损检测和质量评价,广泛应用于航空航天、兵工以及机械制造等领域。工件缺陷大致分为两种:一种是工件内部零部件的装配错误,如关键零部件是否存在,安装位置是否正确等;一种是工件内部材质存在的缺陷,如裂缝、气孔、夹渣、脱粘等。本课题主要是基于工业CT图像对工件装配缺陷识别技术进行研究。本文主要探讨了存在装配缺陷的工业CT图像的匹配与识别问题,主要研究内容包括:介绍图像匹配的基本理论,包括图像匹配的概念、数学描述、匹配流程、匹配性能、图像匹配的研究内容以及现有的匹配算法。讨论了影响工业CT匹配识别的各种误差因素。对工业CT图像的去噪方法进行了分析和比较。在不变矩图像匹配方面,采用了粗、精匹配结合的方法,即第一步采用快速但不太精确的方法来寻找可能匹配点,第二步利用不变矩对可能匹配点进行精确匹配,找到正确的匹配点,解决了传统方法不能解决的图像旋转问题。为提高图像识别速度,研究了一种基于快速方形块搜索算法的图像矩匹配,改变了以往对匹配图进行全图逐点搜索的做法。将模板分成数个子模板图,计算每个子模板图的特征值;对待匹配图像进行非遍历性搜索,将子图特征值分别与各个子模板图的特征值比较,选出最优点,实现图像与模板的匹配。根据工业CT检测对象的特殊性,针对含有多个工件的工业CT图像,研究了一种基于弧半径投影的多目标图像识别方法。通过弧半径投影确定出工件所在的扇环位置,在识别时,仅对这一部分进行计算,减少了计算量。同时,通过大量的实验验证了算法的有效性。