对焊缝进行X射线检测是保证焊接件质量的重要方法。因目前国内X射线检测仍以传统的射线照相法为主，劳动强度大，效率低，且容易误判和漏判，使得对在线实时检测系统和计算机辅助评片系统的研究成为热门。而图像处理时，由于在采集和传输过程中不可避免地引入的大量噪声和焊缝本身复杂的纹理结构影响，导致整个焊缝图像存在着对比度差、缺陷边缘模糊等问题，从而给缺陷的分割、提取和识别带来了很大的困难。此外，目前已有算法对缺陷的分割效果差、检出率低、识别错误率高等不足，也限制了计算机辅助评片系统的应用和推广。　　本文研究的基本思路为，首先对采集到的图像进行预处理，之后分割出焊缝缺陷，最后利用提取的缺陷特征参数进行模式识别，并在整个研究过程中借助Matlab仿真软件对文中算法进行了仿真实现。预处理部分主要包括对图像降噪、对比度增强和焊缝分割，以改善焊缝图像的质量，同时减少数据运算量，为较好地分割出焊缝缺陷做准备。缺陷分割部分研究了阈值分割、边缘检测两类常见的缺陷分割算法，并在此基础上提出了基于边缘检测进行区域生长的缺陷分割算法，因为同时考虑到了缺陷的局部区域特征和边缘信息，该方法不仅能分割出几乎所有的缺陷，而且缺陷形状保留较为完整，为后续缺陷特征参数的提取和识别分类夯实基础。利用边缘跟踪和缺陷标记对缺陷进行区分标记和边缘信息统计，提取并计算缺陷的特征参数。缺陷识别部分，分析讨论了二叉决策树和BP神经网络这两种常见分类算法，提出了一种基于二叉树和改进BP网络的混合分类识别方法，将二者结合以实现优势互补，不但减少了单-BP算法的输入和输出节点数，简化了网络结构，还提高了算法的训练速度，保持了较高的分类准确度。　　本文的研究成果表明不仅改善了焊缝缺陷的分割效果，还提高了缺陷的识别率和效率，为焊缝缺陷检测的自动化和缺陷识别的智能化发展起到了一定的促进作用。