复合材料在制造及使用中易产生脱粘、气孔和分层等缺陷,需要通过无损检测技术对其进行安全评估,防止其出现安全隐患。作为成像类无损检测技术的一种,光激励红外热成像技术因具有快速检测、效果直观和非接触等优点被广泛使用。但是,光激励红外热图像信息存在强噪声和反射光斑干扰,使缺陷特征提取受阻,需要通过算法处理来去除噪声并增强缺陷显示。现有红外缺陷检测算法在实际检测应用中未完全解决上述问题,其缺陷对比度、检出率和检测效率有待进一步提升。本文提出了基于差分的张量分解算法来提取复杂热模式干扰中微弱缺陷信息,用于表面及亚表面缺陷检测。主要研究工作如下:1.通过团队自制光激励红外热成像实验系统收集红外热图像数据,构建测试用例集。基于所收集的测试用例,分析并总结已有检测算法局限性。2.为了进一步增强缺陷检测效果,本文基于秩模型,提出基于差分的张量分解算法。该算法深度挖掘数据在不同秩下的结构间差异信息,进行背景和干扰信息弱化,提取图像序列的前景成分（缺陷信息）。通过引入提出的概率张量模型纠正潜在失配模式,进一步精确提取缺陷信息,增强缺陷对比度,抑制噪声和光斑干扰。3.本文设计了大量各类复合材料样本实验来验证所提出方法的有效性和泛化性。一方面,从方法设计和参数消融的角度,本文细粒度地分析和验证了所提出方法在设计上的合理性。另一方面,从多个维度横向与其他先进的缺陷检测算法及张量分解算法相比较,分析验证所提出的算法在检测性能上所带来的提升。在定量分析方面,提出算法在F-Score指标上,与其他算法相比取得了更高的性能分数。这说明该算法在微弱缺陷的检测能力上更优异。此外,在信噪比指标上,该算法相较其他算法提升较大。指标验证算法在增强缺陷对比度上具有优势。在定性的可视化实验中,所提出算法有更强的干扰去除能力。