近年来随着机器视觉和图像处理技术的发展,国内外学者对表面缺陷检测工作展开了广泛的研究,对表面缺陷的检测和识别水平不断提高。然而目前表面缺陷检测系统的主要功能是对表面缺陷进行识别或分类,如何准确有效的实现表面缺陷的定量检测仍是一个值得深入研究的问题。本文在现有的表面缺陷检测系统的基础上对缺陷的定量检测技术进行研究。主要包括：针对光学元件表面缺陷尺寸标定过程中,由于尺寸较小的标准缺陷在检测系统中存在衍射增宽的现象,导致像素尺寸对应到实际尺寸时存在非线性段而无法用最小二乘准确评价的问题,提出采用最小二乘支持向量机建立回归模型的方法来提高缺陷尺寸标定的精度。采用网格搜素和交叉验证法得到模型最优参数,相比传统拟合方法基于最小二乘支持向量机的模型能够将拟合绝对误差控制在0.4μm以内,相对误差由80%减小到17%。利用实际缺陷数据对两种模型预测能力进行评估,实验表明最小二乘支持向量机模型针对尺寸较小缺陷的预测误差是最小二乘模型的一半,最小二乘支持向量机模型的预测能力比最小二乘模型更强。基于最小二乘支持向量机建模的方法能够提高标准缺陷的拟合精度,同时也能提高系统的定量检测精度。针对两种常见玻璃表面缺陷孔崩和孔倒缺陷,提出结合基于霍夫变换的直线和圆检测原理以及图像配准和差分的方法对缺陷进行快速提取。利用改进的像素距离算法提取待检测孔崩图像的直线与圆弧标准边缘,重构与其对应的自匹配基准模板,该方法对细小的孔崩缺陷也能实现精确提取；通过多幅无孔倒缺陷图像相互配准叠加的方法,建立固定的基准图像实现对孔倒缺陷的快速定位与定量评价。实验中将检测到的缺陷大小与光学显微镜检测结果对比,孔崩缺陷的检测误差在10μm以内,孔倒缺陷的检测误差在30μm以内,检测结果符合检测误差控制在20μm～30μm的系统检测要求。并在检测结果基础上给出了两种缺陷等级判据。