点阵结构是一种有序周期性排列的新型多孔材料,具有体积密度小、比面积大、质量轻等结构特性和耐火、吸能、放热等功能特性,目前被广泛应用于航空航天、医疗等领域。由于3D打印制备的复杂点阵结构容易出现未融合、裂纹、孔洞等缺陷,很大程度上会降低结构件性能和可靠性使其无法满足当前先进结构系统对其严苛的性能要求和迫切需求,因此,必须要深入开展有关缺陷的研究,掌握缺陷的类型、大小、位置、分布等特征,进一步研究分析结构内部缺陷对其结构-功能性能的影响。针对这一问题,本文开展了对3D打印的复杂点阵结构件内部产生的一种缺陷的三维可视化方法研究。主要研究内容如下:首先,采用锥束CT扫描技术对3D打印的复杂点阵结构进行检测,由于受到X线量子、测量系统、重建算法等客观因素的影响,使得到的灰度断层图像中出现噪声、伪影等影响成像质量。为保证图像的识别精度,本文采用两种不同方法对灰度断层图像进行预处理。中值滤波结合图像灰度增强的断层图像预处理与采用深度学习图像预处理中的Channel_shift_range函数对灰度断层图像预处理,并对比分析两种方法的预处理效果。其次,基于CT扫描得到的灰度断层图像,通过对图像中的结构信息特征分析,得出缺陷位置与非缺陷位置存在纹理性特征差异。根据这一差异性,提出一种基于高斯混合熵的方法自动识别出缺陷。通过定位出的缺陷位置坐标,并采用二值化与Otsu相结合的方法对缺陷进行精确分割。最后,针对分割出的二维缺陷不足以体现缺陷在点阵结构内部具体的分布、形貌特征等问题,提出一种基于分割出缺陷的图像序列,采用光线透射法重构出点阵结构内部缺陷的三维可视图,以实现对复杂点阵结构内部缺陷三维分割的研究方法。通过对分割的缺陷位置坐标与实际结构件位置坐标的标定对比,验证了本文方法的可行性。并对缺陷进行表征分析,为结构件的健康评估提供了有力的数据支撑。