纸张的表面缺陷是影响纸张质量的重要因素，表面纸病检测对于提高成纸质量具有非常重要的作用。传统的人工检测方法不能得到令人满意的检测结果，因此纸病检测系统的研究具有很高的应用价值，对提高造纸过程的自动化程度具有重要的实践意义。 本文对基于小波变换的纸病检测技术进行了研究，将小波变换理论引入到纸病检测中来，着重讨论了用小波变换理论进行纸病检测的算法，并在缺陷检测的基础上研究了缺陷分类采用的特征量并采用BP神经网络分类器进行分类。其工作主要包括以下几个方面： (1)在综合国内外大量文献的基础上，介绍了纸病检测系统的结构及影响检测效果的因素，并将现有纸病检测方法进行总结后分为阈值法、形态学方法和灰度级统计法三大类方法。参照纺织品、木材、带钢等的纹理图像表面缺陷的检测方法，我们提出使用小波变换这一新兴的数学工具进行纸病检测。 (2)根据纹理图像尤其是纸病图像的特点，我们分别采用了两种方案进行检测：①具有平移不变性的平稳小波变换与图像融合技术；②基于奇异点检测的边缘检测技术。而且经过试验我们证明了这两种方案均具有良好的抗噪声性能及检测效果。 (3)对检测与分类技术中常用的特征量进行了总结分类并采用对比度、方差和、二阶角矩、均值和4个特征量作为BP神经网络的输入特征量来进行纸病分类。 (4)最后对本文工作进行了总结，并对今后的研究工作做了展望。