随着生活水平的提高,人们对生活中各式各样产品的质量也有了更高的要求,这使得工业生产线对产品质量控制的要求也越来越高。而一些有缺陷的产品必须在使用之前检验出来。羽毛球是很多人喜欢的一项运动,羽毛球质量很大程度上取决于其主要原材料羽毛片的好坏。羽毛片上的缺陷轻则影响羽毛球美观,重则影响羽毛球的质量。因此,本课题结合机器视觉技术,提出了利用图像处理技术实现羽毛片缺陷的自动检测,有着重要的实际应用价值和现实意义。本文在羽毛图像自动采集平台的基础上,着重研究了图像缺陷信息的预处理和分割,以及在此基础上对缺陷特征进行提取并识别分类。本文主要做的工作如下：1.对人眼视觉特性与颜色空间进行研究,在图像处理的不同阶段选取适合的颜色空间。本文在图像增强阶段结合人眼视觉特性选择了HSV颜色空间,在缺陷分割与识别阶段根据缺陷的特征选取了CIEL*a*b*颜色空间。2.研究了Retinex中的SSR.MSR以及MSRCR等增强算法,提出了基于视觉特性亮度自适应Retinex算法,该算法消除了光照不均影响,同时使图像的色彩与边界也得到了保持,增强了图像的质量。3.在水平集的基础上提出了基于CIEL*a*b*颜色空间的变分水平集分割算法,该算法根据羽毛叶缺陷其自身的特征选取了CIEL*a*b*颜色空间,使污渍、局部淡黄等特征对比度更加明显,再对水平集函数的初始化,速度场的选取,符号距离函数的构造以及迭代时间的选取进行了优化,实验表明此方法分割结果准确、分割时间更短。4.提取缺陷的特征参数,对缺陷进行分类与判定。从几何特征、形态特征及颜色特征等方而对缺陷特征参数进行研究,制定具体的分类方法对这些缺陷进行分类,提高了识别的准确率。本文通过Matlab和VC6.0软件实现了上述算法和方法,最后对表面缺陷图像进行实验验证,取得良好的识别效果。