目前，对于铸造产品的缺陷检测，全球高可靠性、高识别率的智能图像诊断系统还有待开发，国内还是空白。在当前的科技条件下，制约智能检测系统发展的关键因素是智能识别算法，其中包括图像处理和模式识别等方面。 本文以现有的硬件系统作为平台，在图象处理及目标识别技术方面进行了深入的探索，最终基于整个缺陷检测系统流程，提出了一套目标识别与分析的算法，主要包括： 1)改进传统的LOG算法，提出边缘显著度的概念以及测量方法，利用该方法可以筛选出明显灰度变化区域形成的封闭边缘，为后续的筛选算法减轻负担，并提高准确率。 2)提出局部背景和局部对比度的概念及其计算方法，利用局部对比度可以准确地识别缺陷，并定量地估计缺陷的相对严重程度。 3)为了进一步提高局部对比度算法的抗干扰能力，同时提高检测的准确度，对局部背景按位置和方位进行分区，分别求出目标与各方位的对比度，利用模式识别方法进行缺陷提取，试验证明本方法可以降低轮毂结构检测算法带来的干扰，有效的提高了检测的准确率。 4)通过对局部背景复杂度的衡量，每个待检测目标，可以根据其背景的复杂度自适应选取背景是否进行分区。从而使得检测算法具有比较高的通用性，并保持较高的准确率。 5)在缺陷统计方面，提出确定缺陷直径及缺陷密度的快速方法，按照本文的设计参数，统计缺陷密度的效率可以提高上千倍。 6)优化检测算法，设计了在线检测和分析的整体算法，并用C++实现。