纸幅在生产过程中产生的外观纸病严重影响人们对纸张质量的评判和造纸厂的效益，所以，在线判断某一纸病的类型并反溯其病源对现今纸张的生产很有意义。目前，已有基于CCD（Charge Coupled Device）技术的纸病检测系统投放于市场中，但是算法上还存在一些不足。为了满足现今快速运行的纸机，就必须对纸病检测算法进行不断探索研究，以便找到简单、高效、适合纸病图像处理的算法。本课题围绕模拟实时纸张卷曲，搭建一套纸病检测系统实验装置，着重对纸病图像处理算法进行研究。论文可总结为以下4个方面：1）常用图像处理算法优缺点的分析研究。通过对图像的滤波去噪、分割算法等进行介绍，分析这些算法对纸病图像处理的结果，对比各个算法的优缺点，找出更适合纸病图像处理的算法。2）纸病图像分割算法的研究。在对纸病检测系统进行介绍的基础上，总结出纸病检测的基本步骤。对常规的图像分割方法进行改进，对含有两种纸病或纸病尺寸较小的图像，采用基于改进迭代法的分块求阈值法和动态双阈值分割法；对褶皱这种线状的低对比度纸病，采用基于动态阈值的Canny边缘检测算法，通过实验验证了改进的处理算法可以把纸病和背景有效的区分开。3）纸病图像检测算法的整体流程的设计。对采集的图像中值滤波后用改进的图像分割算法分割出要识别的纸病区域，然后对目标进行特征提取并辨别分类。4）模糊模式识别算法在纸病分类识别中的应用研究，提出了两级纸病分类器的设计思想。通过分析黑斑、孔洞、褶皱、裂口、亮斑这五种纸病样本的特征信息，选取出具有代表性的特征量对缺陷进行提取。针对分割后纸病的特征，采用两级分类器对该图像先进行粗分再细分类，在细分级上，对特征量建立相应的隶属度函数和模糊规则，最后用Mamdani型模糊推理系统完成了对纸页缺陷的快速分类。