在纸基材料—纸的生产过程中，由于各种原因纸幅上会产生一些外观纸病。尤其是现代造纸工业正向高速度方向发展，纸幅的幅宽可以达到9米，纸机速度可以达到30米/秒，纸机速度如此之高，纸幅出现纸病缺陷的风险就会更大。这些外观纸病极大降低了纸的品质，极不符合现代社会对纸的品质要求，给造纸厂商和用户带来了极大的经济损失。为此研究和装备基于机器视觉的纸病在线检测系统成为现代造纸工业技术装备研究的热点。　　 本文对基于机器视觉的纸病在线检测系统中的核心图像处理、图像分割和图像分析等算法进行了研究和探索，以提高图像预处理、缺陷分割和纸病分类有效性和准确性为目标，针对纸幅图像和纸病缺陷的特点，将灰色相关理论、Markov随机场和人工智能等近代先进科学理论应用于纸病在线检测系统中，在较好地保持了边缘同时实现对椒盐噪声和高斯噪声的滤除，实现了对高对比度图像和低对比度图像较为准确的分割，科学的对纸病进行了分类。这对进一步提高纸病检测系统的有效性、准确性有着重要的意义，对提高我国造纸质量检测装备的水平有着深远的意义。　　 在图像去噪方面，基于图像噪声点相对于邻域中其它像素相关性不是很强的特点，研究了基于邻域相关性的滤波算法及其去噪性能。利用改进的灰色关联系数来确定邻域中各个像素的权重，进而完成后图像滤波。分别对脏斑图像加入高斯噪声和椒盐噪声，并进行了常规的均匀滤波算法、中值滤波算法和基于邻域相关性的滤波算法对两种噪声滤波的性能比较，结果表明，基于邻域相关性的滤波算法对两种噪声的滤波具有较好的综合性能。　　 在图像分割中，基于纸病图像与正常背景的纹理特征的不同，研究了Markov随机场在纸病图像缺陷分割中的应用。针对纸幅图像正常背景的纹理具有随机均匀分布的特点，确定了基于Markov纹理特征的庇点识别的判断条件，以Markov纹理特征方程纹理参数最大差为判断条件，实现对脏斑图像有效准确的分割。　　 研究了基于均值特征、方差特征和图像的纹理特征的BP神经网络模型对低对比度图像的分割，采用改进的灰色相关系数来表征Markov纹理特征以降低计算量和计算难度。利用该模型可实现对脏斑图像和亮斑图像有效的缺陷分割。　　 基于纸病缺陷分类的模糊性，研究了利用模糊识别方法在纸病缺陷类中的应用，对提取的纸病缺陷的主要特征如面积、对比度、位置和长短比建立相应的隶属函数，利用Mamdani模糊推理系统建立纸病缺陷分类的模型，实现了对纸病缺陷科学的分类。　　 本文研究将一些现代科学理论应用到纸病在线检测系统中，对我国纸病检测设备的升级开发有着重要的意义；对于提高我国造纸企业效益和纸幅质量以及生产设备的自主开发研制都具有重要意义。