随着计算机视觉与人工智能技术的发展，语义技术减少了人与机器交互的隔阂，如何根据人类的高层语义建立一种人机交互系统生成非参数化图像是当前的技术挑战。本文研究目标是提出有效的非参数化缺陷图像生成与语义驱动的分析、实现、评估方法，最终实现一个可用的非参数化缺陷图像语义驱动生成算法。根据语义驱动的要求和缺陷图像的特点，本文算法涉及的主要内容包括：准确解析输入语义，消除系统的语义鸿沟，多样性图像生成等。本文首先从图像特征的角度对图像进行分析，总结出形状特征在描述图像时直观、稳定性好、且带有语义信息等特点，随后对几种典型的形状描述算法进行了介绍，了解到转角、曲线参数等几何参数对形状的描述与人的视觉感知系统更为接近，为下文中骨架描述奠定了理论基础。其次，本文从视觉角度对缺陷结构进行分析，提出了基于夹角与曲线长度的缺陷骨架生成算法，并设计实验对生成的骨架赋予语义信息，构建出小语义词汇库。再次，本文算法将基于骨架的缺陷仿真过程分为权重赋值、骨架扩散、大小调整、灰度添加、边缘处理5个阶段。在权重赋值阶段，本文根据缺陷的几何结构特征为骨架赋予不同的权值。在骨架扩散阶段，算法模拟枝状缩松的形成过程，提出一种骨架结构随时间演进，且受控的基于高斯滤波的扩散算法。为了使仿真的缺陷与真实缺陷更相似，算法还按照真实缺陷灰度分布特点对其进行灰度添加，并引入缺陷面积、直径、局部密度三个参数进行大小调整。最后对边缘进行模糊处理，使其与背景融合更自然。最后，本文给出本文算法的实验结果，利用缺陷检测算法对真实缺陷及模拟缺陷进行检测并给出客观的评价。指出仿真算法在真实性上的不足并探索算法未来的发展方向。