在無損檢測領(lǐng)域中，常用的圖像缺陷特征提取的方法有:主成分分析、獨立成分分析、中木目位法、溫度信號重構(gòu)法等方法。主成分分析法是一種將多指標化為少量綜合指標的方法。圖像的本質(zhì)是像素矩陣，通過線性變換降低維度，要求得到的綜合變量要盡可能多的包含原始圖像信息，且各不相關(guān)。雖然該方法降低了信息的復(fù)雜度,但也丟失了一部分原始圖像的特征；獨立成分分析法是在主成分分析法上進一步發(fā)展而來，其目的是將獲得的數(shù)據(jù)進行某種線性解分，使其分解為統(tǒng)計獨立的成分。該方法解決了主成分分析法難以消除非高斯信號之間關(guān)聯(lián)性的問題，但這也是使用獨立成分分析法的一個前提；脈沖相位法是將獲得的每個像素值對應(yīng)的溫度信號做傅里葉變換，進而作頻譜分析。其依據(jù)不同頻率的熱輻射在不同深度和大小的缺陷中傳播和反射的結(jié)果不同，由此獲得材料中的缺陷信息，但是該方法受環(huán)境影響因素較大。溫度信號重構(gòu)法主要是利用表面溫度在物體和空間上的變化信息，對紅外圖像每個像素值的時間信息進行處理，將對應(yīng)點溫度響應(yīng)曲線從時域轉(zhuǎn)換到對數(shù)域，從而增強圖像信息妙。

在復(fù)雜的工程環(huán)境下，任何單一方法都無法滿足實際需求，因此，多種方法的結(jié)合和完善才是研究的重點。

在基于紅外熱像的復(fù)合材料無損檢測識別研究過程中，梁濤跑等人在研究復(fù)合材料受沖擊損傷后缺陷的特性時，沒有發(fā)現(xiàn)分層缺陷引起的“暗區(qū)”，且整體的纖維結(jié)構(gòu)分布較均勻，給直接評估缺陷帶來困難。針對該問題，作者提出結(jié)合PCA和小波變換法來進行缺陷的特征提取，新的算法具備了時域-空域-頻域等多維度的特征提取能力，再通過閾值分割對圖像進行二值化處理消除背景，使缺陷信息更加明顯。