随着我国科技及工业的快速发展,金属表面缺陷检测对漏磁检测技术的要求也越来越高,需要检测结果能给出精确的损伤程度。金属表面缺陷的漏磁检测,必然会产生庞大的检测数据量,而漏磁检测技术的核心就是根据检测到的漏磁数据完成对缺陷尺寸的准确计算。所以找到合理的缺陷数据特征提取及分析方法,对金属腐蚀检测的准确性、高效性都能起到至关重要的作用。本文针对金属管道采集到的漏磁数据进行研究和分析,主要完成了四个方面的工作:完成对金属表面缺陷的检测、实现对缺陷信号特征的辨识、完成对特征提取算法的研究以及实现对缺陷信号特征的分析。具体研究内容如下:第一,研究缺陷自适应阈值检测方法。首先,对采集到的漏磁信号进行平滑处理,去除干扰。然后对平滑处理后的漏磁信号进行缺陷检测,设计缺陷自适应阈值检测算法实现对缺陷异常数据的检测工作,并对缺陷的检测效果进行分析。第二,完成缺陷信号特征的辨识工作。观察与对比不同尺寸缺陷的漏磁信号,找到和缺陷尺寸相关的特征量。对基础特征进行延伸,使找到的特征量可以更全面的反应缺陷信号的信息,实现对缺陷特征的全面辨识工作。第三,研究缺陷特征智能提取算法。为了实现对缺陷特征的准确提取工作,基于Matlab软件平台,在小波变换方法的基础上设计缺陷特征智能提取算法。利用设计的特征提取算法对不同缺陷进行特征提取。通过对提取的结果进行分析,发现并改进算法中不够完善的部分,从而完成对缺陷特征智能提取算法的研究。第四,设计基于PCA的缺陷特征分析算法。首先,通过控制变量法分别找到和缺陷长、宽、深相关的特征量,实现缺陷特征的分类工作。在实现对缺陷特征分类后,建立用于缺陷特征分析的样本数据库。采用基于PCA的缺陷特征分析算法对原始特征进行算法仿真,实现对缺陷特征的优化。第五,设计基于KPCA的缺陷特征分析算法。为了克服PCA分析算法中存在的缺陷,采用基于KPCA的缺陷特征分析算法对原始缺陷特征进行分析。实现对原始缺陷特征的降维,得到和缺陷相关性强的新特征,并对两种方法的分析结果进行了对比。最后在总结全文的基础上,对未来的研究方向进行了展望。