基于图像分析技术的纸浆纤维与纸页表面质量检测是目前制浆造纸业的关键技术之一,直接影响纸页的质量,成为研究热点。对于纸浆纤维图像的分析,目标是分析显微状态下纸浆纤维的形态、尺寸。由于纤维形态的相对不确定性导致边缘的重叠交叉,对其形态进行识别,改善边缘的定位和提取;对于纸页的均匀性分析,通过图像变换,将空间域图像变换到频域或小波域进行分析,获取其特征;对于纸页的表面质量缺陷,通过纹理分析提取其正常或缺陷结构的特征,用基于人工神经网络的方法及统计模式识别方法识别纸页表面质量缺陷的类型。本论文主要完成以下工作:1.本文结合线状目标的特点,改进了基于方向小波的边缘检测方法,用于纤维边缘检测,该方法能较好的完成具有分叉或重叠结构的复杂图像的边缘检测。在此基础上,分析了基于边界对同时检测的线状目标分割方法,结合边界对的特征及空间分布关系,提出了合理的费用函数协调和增强边缘提取的效果。对纸浆纤维识别,提出了综合利用边缘和骨架线两个特征实现复杂纤维图像识别的方法,其中进行边缘提取时采用边界对同时检测法,骨架线提取时运用变向骨架线跟踪法。2.在分析国内外现有的几种主要的表征方法基础上,将小波变换多分辨分析技术与纸页匀度表征进行结合,提出一种新的纸页匀度表征指数--小波匀度指数(WIn)及表征算法,实验证明了算法的有效性。3.根据纸页缺陷图像特点,提出了综合检测分类方法:基于平稳小波变换、图像融合及奇异点检测的边缘检测技术检测缺陷;采用多个特征量作为分类器的输入进行纸页缺陷分类。实验证明了算法具有良好的抗噪声性能及检测效果。4.提出了一种新的RBF神经网络在线学习算法,该算法能在线实时地调整RBF神经网络隐层单元数目和网络参数,且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值,克服了离线训练方式的不足。5.提出了一种新的有效的目标跟踪算法,可以跟踪静止或运动目标的2D轮廓曲线。基于B-Snake跟踪算法,该算法采用和下一点相连向量与控制中心相连向量的夹角的正弦值正负来避免控制点交叉,而控制中心的位置通过α-β-γ滤波可有效的估计,因而能准确地跟踪运动的目标。