在无损检测领域中，常用的图像缺陷特征提取的方法有:主成分分析、独立成分分析、中木目位法、温度信号重构法等方法。主成分分析法是一种将多指标化为少量综合指标的方法。图像的本质是像素矩阵，通过线性变换降低维度，要求得到的综合变量要尽可能多的包含原始图像信息，且各不相关。虽然该方法降低了信息的复杂度,但也丢失了一部分原始图像的特征；独立成分分析法是在主成分分析法上进一步发展而来，其目的是将获得的数据进行某种线性解分，使其分解为统计独立的成分。该方法解决了主成分分析法难以消除非高斯信号之间关联性的问题，但这也是使用独立成分分析法的一个前提；脉冲相位法是将获得的每个像素值对应的温度信号做傅里叶变换，进而作频谱分析。其依据不同频率的热辐射在不同深度和大小的缺陷中传播和反射的结果不同，由此获得材料中的缺陷信息，但是该方法受环境影响因素较大。温度信号重构法主要是利用表面温度在物体和空间上的变化信息，对红外图像每个像素值的时间信息进行处理，将对应点温度响应曲线从时域转换到对数域，从而增强图像信息妙。
在复杂的工程环境下，任何单一方法都无法满足实际需求，因此，多种方法的结合和完善才是研究的重点。
在基于红外热像的复合材料无损检测识别研究过程中，梁涛跑等人在研究复合材料受冲击损伤后缺陷的特性时，没有发现分层缺陷引起的“暗区”，且整体的纤维结构分布较均匀，给直接评估缺陷带来困难。针对该问题，作者提出结合PCA和小波变换法来进行缺陷的特征提取，新的算法具备了时域-空域-频域等多维度的特征提取能力，再通过阈值分割对图像进行二值化处理消除背景，使缺陷信息更加明显。
