钢铁行业是我国的支柱产业之一,而冷热轧带钢则是目前钢铁的主要产品形式。在2017年我国的钢铁年产量为11亿吨,其中46%为冷热轧带钢。然而由于原材料以及制作工艺等问题,带钢表面往往不可避免的存在一些缺陷。这些缺陷不仅仅会影响产品的美观性、还会影响产品的抗腐蚀能力、耐磨性、以及疲劳强度。由于带钢表面缺陷纹理存在复杂性和多样性,导致对带钢表面缺陷进行分类有一定的难度。为了提高对带钢表面缺陷的识别力,需混合运用各种类型特征;而大量特征的运用将增加冗余,降低计算效率,很难满足生产的实际效率需求。除此以外,缺陷的复杂外观导致部分提取的图像特征的弱判别性和弱鲁棒性。因此,从原始特征集中选择具有高判别力的特征是很重要的。在此背景下,本文对处理带钢表面质量缺陷的图像所运用的预处理技术、特征提取和特征选择技术以及最后的分类方法进行了研究。主要工作如下:(1)本文提出了一种基于鲸鱼群算法的自适应优化Gabor滤波器。首先,利用各项异性扩散滤波抑制缺陷图片之中的伪边缘,再以不同种类缺陷特征的类间差最大作为目标函数,Gabor滤波器的参数为优化变量,采用鲸鱼群算法对Gabor参数进行寻优,然后将所得到Gabor特征进行融合,最后导入分类器之中进行分类。实验结果表明,该方法具有较好的区分性和鲁棒性。针对常见的带钢表面缺陷:冲孔、污渍、刮边、黑氧化条、结疤最终的分类精度能达到97.5%。(2)本文提出了一种引入高斯差分空间的多尺度完整局部二进制模式对带钢表面进行分类。首先,根据人类的视觉注意机制,采用高斯差分空间对带钢表面缺陷进行预处理。然后采用多尺度改进的完整局部二进制模式对预处理之后的图片进行特征提取。由于所提取之后的特征中存在较多的冗余特征,因此采用非线性流形学习的方式对特征进行降维。最终导入分类器之中进行分类。实验结果表明该方法有较好的区分性。针对常见的带钢表面缺陷:冲孔、污渍、刮边、黑氧化条、结疤最终的分类精度能达到98.5%优于目前传统的方式。