1.基于多层自编码器的红外热成像缺陷检测图像处理方法，其特征在于：包括以下步骤:

(1)获取红外热成像缺陷图像数据集：利用IRT系统对数据进行采集，采集的缺陷热图像数据保存为三维矩阵记录下来；

(2)图像预处理：对采集的缺陷热图像数据进行预处理，使其由三维矩阵展开为二维矩阵，并对展开后的二维矩阵进行标准化处理；

(3)构建多层自编码器热成像MAT数据增强模型：建立多层自编码器网络MAE，并将多层自编码器网络MAE应用在红外热成像图像处理，构建多层自编码器热成像MAT模型，然后将标准化处理后的二维矩阵的每一列作为样本进行模型训练，对样本数据进行特征提取并可视化中间隐藏层的输出结果，达到去除噪声和不均匀背景的效果；

所述(3)的具体过程如下：

步骤3.1：在自编码器网络中增加隐藏层的层数，建立多层自编码器网络MAE；

步骤3.2：训练多层自编码器热成像MAT模型：将多层自编码器网络MAE应用在红外热成像图像处理，构建多层自编码器热成像MAT模型，然后将标准化处理后二维矩阵的每一列作为样本进行模型训练，其中，输入层的神经元数量与热图像的数量相同，输出层与输入层有相同数量的神经元，在模型网络中设置1个输入层、1个输出层、5个隐藏层，每个隐藏层的神经元数量分别为20、12、6、12、20，每个输入层、输出层及隐藏层均设置激活函数，其中，输出层使用Sigmoid函数，输入层及隐藏层均使用Tanh激活函数，将训练样本分批输入模型中进行训练，然后进行反向传播来更新模型参数，最后把训练完成的模型保存；

步骤3.3：数据增强可视化：利用步骤3.2训练后模型中的编码器对热图像数据进行逐层特征提取，在隐藏层三得到图像的高级抽象特征，达到去除噪声和不均匀背景的效果，最后将隐藏层三所提取特征可视化，即获得数据增强的结果。

2.根据权利要求1所述的基于多层自编码器的红外热成像缺陷检测图像处理方法，其特征在于所述步骤(1)的具体过程如下：采集数据时需要对试样进行瞬时加热，并在其冷却阶段用红外摄像机记录其表面温度变化过程，并将采集的热图像传输到计算机中进行存储。

3.根据权利要求1所述的基于多层自编码器的红外热成像缺陷检测图像处理方法，其特征在于所述步骤(2)的具体过程如下：步骤2.1：将通过IRT系统采集的三维矩阵缺陷热图像数据展开为二维矩阵；

步骤2.2：对步骤2.1中展开后获得的二维矩阵进行标准化处理，二维矩阵中每行元素的数值通过减去对应行元素数值的平均值再除以对应行元素数值的标准差来居中。