数字化成像无损检测技术以其特有的便捷性、实时性、直观性等优势，被广泛用于产品、零部件以及重要结构的质量检测与评价中。超声C扫描是出现较早并得到推广应用的成像检测技术，受超声传播以及超声与材料组织相互作用特性的影响，超声成像检测技术中还存在一些尚未解决的问题。检测图像作为无损评价的重要手段，应尽量准确地反映被检测材料内部缺陷的真实状况。由于成像系统的作用以及材料自身声学特性等原因，检测图像存在模糊退化、局部对比度低和背景灰度分布不均等缺点，给缺陷的定量分析与评价带来极大困难。针对上述情况，本文利用现代图像处理技术，深入细致的研究了超声检测图像的复原与缺陷量化等问题。　　利用多高斯声束模型模拟了水浸聚焦探头辐射的声场分布，在此基础上建立了水浸聚焦超声C扫描成像的数学模型，利用该模型分析了点扩展函数、采样函数和附加噪声对超声成像质量的影响。研究结果表明在点扩展函数和噪声的共同作用下，检测图像发生了退化，其中点扩展函数使图像的边缘模糊化，其模糊程度随焦柱直径的增大而加剧。采样函数中的采样间隔是决定图像分辨率和检测效率的主要因素。此外受电噪声、脉冲噪声及晶粒噪声等附加噪声的影响，检测图像的清晰度明显下降。　　根据检测图像的特点，建立了图像复原的非线性模型，研究了基于支持向量回归(SupportVectorRegression,SVR)网络的超声检测图像复原方法。将平底孔的C扫描图像和理想图像作为输入和输出进行网络训练，结合基于样本缩减处理的网格搜索法与梯度下降寻优法进行SVR模型超参数寻优。在网络训练过程中，按照一定尺寸和移动步长将样本图像划分为不同大小的子图像作为网络输入输出量。综合考虑子图像尺寸和移动步长对图像复原处理效果及网络训练时间的影响，确定了最优图像复原网络。试验结果表明，基于SVR网络的图像复原方法能够有效地提高图像的质量，降低图像的模糊程度，复原后的图像能更准确地反映被检测工件内部的缺陷分布情况，从而有效提高无损评价的可靠性。　　研究了用于提高检测图像分辨率的自适应插值方法。针对线性插值固有的局限性，将基于边缘方向的非线性插值方法用于无损检测图像的插值重建。为了保证插值重建后的图像具有充足的信息量，结合小波变换的多分辨分析特点，将边缘方向插值算法与小波变换相结合，提出基于图像边缘方向的小波变换插值重建算法。为了满足图像插值算法中局部区域灰度统计的约束条件，同时提高算法的执行效率，对图像过渡区和灰度平坦区采用不同的方法进行插值处理，并将图像复杂度特征变换用于图像过渡区的提取。研究了插值过程中小波变换低频分量的修正及小波函数的选取问题，将图像邻域插值和Haar小波分解相结合，对小波重构的低频分量进行修正，消除了利用原始图像作为低频分量进行小波重构产生的灰度偏差。根据小波函数的对称性、线性相位和正则性分析以及试验验证，确定了用于插值重建的最优小波函数。　　研究了低对比度、灰度分布不均的超声检测图像的缺陷量化问题。首先分析了铜钢堆焊界面的超声检测图像特征，确定了图像分块阈值化分割的缺陷提取量化方案。分析了采用规则形状分块的动态阈值化方法的不足，将动态阈值与全局阈值相加权进行图像分割。针对图像规则分块阈值化方法的不足，提出基于分水岭变换的图像自适应分块阈值化方法。首先对检测图像进行形态学增强和面积重构预处理，在此基础上进行分水岭变换，有效地减少了图像的过分割，实现了缺陷的自动提取与量化。经过破坏试验验证，本文提出的图像分割方法能有效地提取出超声检测图像中弱信号缺陷，对其定量无损评价具有较高的可靠性，通过剪切试验获得了堆焊试件的界面焊合率和剪切强度之间的关系。