随着我国现代炭素工业的逐步形成和发展，炭素材料的各生产和使用单位迫切需要一种行之有效的内部缺陷检测方法，来控制和改善产品质量。然而，炭素材料结构疏松，孔隙较多，晶粒粗大，密度不均和各向异性强，是一种准多孔介质材料，常规的测电阻率、逐块打音和超声波探伤等无损检测方法，效果并不理想。反复的实验研究表明，结合图像分析和处理技术，X射线检测是一种行之有效的方法。由于炭素材料的结构特点，其X射线检测图像是一种低质量的高噪图像。硬件改善图像质量的方法，由于现有技术条件的限制，除了增强效果有限外，成本过高往往也限制了它在实际工程的应用，因此，人们常把更多的精力花在X射线图像的软件分析和处理上。传统的X射线检测图像未数字化，给后续的图像处理和缺陷特征计算机识别带来诸多不便。为了以低成本获取数字图像，本论文从X射线检测原理和方法出发，对传统的检测系统进行改进，而形成一种低成本的数字X射线成像系统，并且根据工程实际的需要，研究和设计了炭素材料内部缺陷，在线检测和自动识别的实施步骤。论文针对炭素材料X射线检测图像，特征微弱的特点，研究传统的灰度调整、对比度增强、卷积滤波等方法，应用于检测图像预处理，初步改善图像质量。紧接着，分别从数学和滤波器角度，对二维小波变换的分解和重构算法，小波基的选择和分解层次的确定等，图像处理的理论和工程问题，进行了较深入的研究分析，开发了小波高频增强、软阈值算法、小波分析反锐化掩摸法等图像增强方法，以及小波分析与传统方法的融合增强，在此基础上，进一步研究图像的边缘检测和识别，以判断缺陷特征形状和大小。X射线实测图像的实验表明，上述小波分析的方法，能从根本上改善图像质量，显著增强图像缺陷特征，成功识别缺陷形状和大小，为炭素材料的计算机视觉识别和模式匹配，提供重要的技术基础。关键词 炭素材料，X射线图像，小波分析，图像增强，边缘检测