工业射线图像,特别是DR(Digital Radiography,DR)图像的缺陷识别技术一直是图像处理领域的一个重要的研究方向,一般的缺陷识别技术步骤较繁琐,而且不能快速实时地对缺陷进行分类和分级,基于这些问题和模式识别领域的快速发展,局部二值模式算法(Local Binary Pattern,LBP)被应用于缺陷识别。LBP算法是一种基于纹理的识别算法,最初被广泛应用于人脸识别领域。LBP算法具有原理简单、识别缺陷速度快等优势,最重要的是在识别缺陷的同时能通过缺陷模板图像数据库中模板图像的匹配快速实现缺陷的分类和分级。但是,LBP算法对噪声异常敏感的特性限制了它的应用。另一方面,相比于人脸识别数据库在人脸识别方面的广泛使用,工业领域缺陷模板图像数据库较少,这些限制严重阻碍了LBP算法在DR图像缺陷识别领域的快速发展。基于上述的一些问题,本文做了以下几个方面的研究工作:一:对LBP算法的原理和由来进行介绍,阐述了LBP算法最近的发展历程。二:针对传统LBP算法对噪声异常敏感的特性,并结合DR图像本身的特点,得出一种改进的LBP算法:韦伯自适应局部二值模式算法(Weber Adapted Local Binary Pattern,WALBP)。该算法通过与其他算法的有效结合,考虑了更多的缺陷图像的描述信息,能够有效的抑制噪声的影响,进而提高了算法的识别率,并通过与其他的几种识别算法进行比较,也有效的证实了其较好的识别效果。三:针对DR缺陷模板图像的数量较多,但是没有一个好的管理工具的问题,建立一个小型的缺陷模板图像数据库以及对应的管理系统,以方便缺陷模板图像的整理归类和缺陷识别,最后结合已有的改进LBP识别算法和数据库及数据库管理系统,对缺陷识别软件进行设计。本文通过对LBP识别算法的深入研究,结合DR图像的特点,对LBP算法进行改进,提高了缺陷识别效率。通过数据库及其管理系统的建立和识别软件的设计对DR图像缺陷识别流程进行了集成,对于推动LBP识别算法在DR图像缺陷识别领域的应用具有重要的应用意义。