轧制钢板是工业生产中的重要材料，钢板的质量直接影响到终端产品的质量。钢板的表面缺陷是影响钢板质量的重要因素，除了通过改进轧制工艺，以减少缺陷发生外，及时检测出钢板的表面缺陷也非常重要。本文深入研究了轧制钢板表面缺陷图像检测理论和识别算法，主要包括如下几方面内容：基于缺陷检测和分类识别分步进行的思想，提出采用图像复杂度快速检测钢板表面缺陷的方法，从提高检测可靠性和节约检测时间出发，对四种图像复杂度描述参数的缺陷图像检测结果进行对比，根据检测结果，以图像的像素变化率作为图像复杂度描述参数进行缺陷图像检测，通过现场图像仿真，该方法能够正确检测出图像中的缺陷并且耗时较少，可以满足在线检测要求。针对带钢表面背景区域纹理对分割产生的影响，提出采用图像局部复杂度和局部方差相结合的方法对背景纹理进行弱化，并采用基于Gaussian高频滤波方法对缺陷图像进行同态滤波，以去除图像亮斑、增强对比度，选用PSNR、MSE和Q值三个参数对滤波后图像进行评价，通过与常用的直方图均衡增强方法进行对比发现，其视觉和参数表现均更好。基于视觉注意机制的缺陷图像分割，提出早期视觉特征选择方法，通过对缺陷图像的分析，选取灰度图像的亮度特征、稀少性特征、局部复杂度特征作为生成特征显著度图的早期特征，并给出计算表达式，以此为基础生成各特征显著度图，并采用Gaussian滤波获取全局特征显著度图。提出改进的视觉特征显著度图融合方法，采用归一化特征显著度图的复杂度和熵值作为参数进行融合以得到综合显著度图，能够体现不同特征显著度图对综合显著度图的贡献差异；采用最大熵法对综合显著度图缺陷分割，通过与聚类分割法和区域增长分割法比较发现，改进后的视觉注意分割法能够获得更好的分割效果。分析图像各种特征的适应性，提出缺陷图像的特征选取方法，充分考虑分割前后图像包含的不同信息，提取反映缺陷图像全局特征的纹理特征值、反映分割后缺陷形状特征的不变矩特征值和反映缺陷分布情况的离散度特征值，并将上述特征值作为缺陷图像的分类依据。将可拓理论引入缺陷图像分类中，讨论了可拓理论用于缺陷图像分类的可行性；提出改进的关联度计算方法，给出了计算表达式，并进行了有效性论证。以待分物元的实际特征值与不同类别经典域的距的绝对值和各距绝对值之和的商来计算关联度加权系数，强化了待分类缺陷自身特征值对最终关联度值的影响，分类结果显示较原有的关联度计算方法有更好的效果。通过统计分析获取缺陷类别特征值的经典域和节域，选取七类缺陷进行分类仿真，采用改进后的关联度计算方法获取待分类缺陷相对于各类缺陷的综合关联度，以最大关联度判断待分类缺陷所属缺陷类别，分类正确率接近90%，有效提高了分类正确率。