高密度电路模块由于具有小型化、密度高、可靠性要求高等特性，以及组装难度大、产品合格率低、返修率高等一系列问题，对传统的检测流程和检测手段都提出了新的挑战。目前针对高密度电路的组装质量检测由于缺乏有效的手段导致检测难度大、效率低，而单一检测手段费时费力，效率低下，难于保证及时准确地对故障点进行定位。因此新的检测手段，正在被越来越多的学者关注和研究。本文分析了基于电磁扫描的检测技术的关键技术并重点设计了异常区域的识别方法。即利用超复数空间的彩色图像边缘检测方法检测异常区域的轮廓。首先，利用遗传算法对Prewitt算子进行了改进，并将其最优算子应用于超复数空间的彩色图像边缘检测，提高了超复数空间彩色图像边缘检测的抗噪能力和检测结果的精确度。用该算法对空间阈值图像进行边缘提取，进而得到异常区域；然后根据阈值图像的特点对高斯——拉普拉斯塔形分解的图像融合技术进行改进，将阈值图像和设计文件融为一幅图像，为后续的疑似故障元器件的判定提供依据，并最终完成了疑似故障元器件的判定。理论分析和实验证明，将电磁扫描技术引入到高密度电路检测中具有可行性和有效性，而且本文提出的边缘检测算法，能精确、高效地识别异常区域，同时比常见的灰度图像边缘检测算法和彩色图像的超复数空间边缘检测算法保留了更多的有效信息；由图像融合算法得到的合成图像不但保留了阈值图像的彩色特征，而且从合成图像中可清晰地看到异常区域内的元器件信息，为后续疑似故障元器件的判定打下了基础。在后续的研究工作中，还将优化异常区域的识别，降低其时间复杂度，并进一步研究疑似故障元器件判定算法。