自20世纪50年代以来，钛合金材料成为众多器械设备制造的核心材料。研究钛合金材料最广泛的手段之一是基于计算机视觉的金相图像分析技术，其中金相图像分割技术是要解决的关键问题之一。在TA15金相图像的分割和分析过程中主要有以下难点：(1)金相图像中存在黑色斑点且其亮度不均匀；(2)部分不同种类的金相组织的颜色极为相似。针对这些问题，本文从图像分割的角度出发，利用传统图像分割算法和卷积神经网络图像分割算法分别对TA15金相图像的等轴α相进行分割，并设计实现了用于算法研究和组织分析的金相图像分析系统，提高了该组织的分割准确率。本文的详细研究内容如下：
　　首先，针对浅色TA15金相图像存在噪声、晶界α相和片层组织都与等轴α相颜色极为相似而导致的“误分割”问题，提出了一种融合异质刺激过滤的金相图像分割算法：基于异质刺激理论设计实现了异质刺激滤波模板，并结合数学形态学对晶界α相和片层组织进行了有效的过滤；结合距离变换和数学形态学对等轴α相和其它组织进行了精确的前景背景标记；利用标记分水岭算法对等轴α相进行分割，极大地提高了等轴α相的分割准确率。
　　其次，针对深色TA15金相图像中纹理特征明显的特点，提出了一种基于TAU-Net的金相图像分割算法：基于U-Net卷积神经网络进行等轴α相的初次分割；依据初次分割结果在原始图像上裁剪相应的分割区域；利用灰度共生矩阵对分割区域进行分类，提高了U-Net模型对等轴α相的分割准确度。
　　最后，设计实现了金相图像分析系统，主要包括以下功能：文件操作、基础图像处理、标签制备、专项功能、定量分析。该系统以人机交互的方式对组织分割区域进行增加和删除，同时遵循了开放式设计理念，在满足针对TA15金相图像分割的基础上，具有良好的延展性。