对于电力、军工、轨道交通、管道运输等设备中的一些金属零部件的铸造和使用过程中均要对其采用全方位无损检测来确保安全性。在管道运输设备使用过程中金属零部件可能会由于长时间的使用存在隐性缺陷或者细微裂纹缺陷,并由此导致其在运行过程中存在安全隐患。因此,对于金属部件的无损检测研究具有实际意义。在金属部件的脉冲涡流热成像无损检测过程中,其热图像由于被检材料热发射率不均和外界干扰存在缺陷边缘模糊、非均匀背景干扰严重等问题,这些干扰也加大了红外热图像缺陷目标检测的难度。因此,本文通过采用脉冲涡流热成像技术,对铁质部件缺陷进行了检测,并围绕红外热图像预处理和目标缺陷检测算法等方面进行了深入的研究。主要的研究内容有以下几个方面:(1)本文分析了脉冲涡流热成像无损检测和红外无损检测的基本原理,并对红外热图像特性进行了分析。为了提高检测效果,减少不必要的干扰,研究了三维块匹配(BM3D)与改进Top-hat算法并详细介绍了实现步骤,实现了去噪及非均匀背景的抑制。(2)研究了基于改进RPCA与加权核范数最小化(WNNM)实现红外热图像的预处理,针对传统鲁棒主成分分析(RPCA)模型平等地对待每一个奇异值的缺点,重新定义了权值分配方法,采用大奇异值配小权重,小奇异值配大权重的分配策略,并采用非精确求解算法。其次构建了加权核范数去噪模型,最终实现了缺陷目标的增强。(3)分析了脉冲耦合神经网络(PCNN)缺陷目标检测算法,针对脉冲耦合神经网络算法初始阈值选取困难的问题,采用了最大类间方差算法的初始阈值自适应选取方案。对于预处理后的图像,采用最大类间方差算法对图像像素值进行遍历,求解图像中方差的最大值,将此对应的灰度值作为最佳阈值。将此阈值作为PCNN算法初次迭代的初始阈值,对图像进行分割,最终得到目标信息。