带钢作为钢铁工业的主要产品形式之一,已成为汽车、机械制造、化工、航空航天和造船等行业不缺少的原材料。随着信息技术的飞速发展,计算机视觉在带钢表面缺陷检测中得到了广泛的应用。本文的目的就是应用计算机技术实现带钢表面的缺陷提取。由于现场环境恶劣,带钢表面图像具有背景复杂、噪声大等特点,常规的分割方法难以准确提取缺陷。本文首次把自适应非参数高斯背景模型及算法应用于带钢表面的缺陷提取,通过数学形态学中的百分态滤波法,最后成功地从目标图中提取出缺陷。本文研究的主要内容有:1.分析比较几种常见的背景重构算法,得出在这些算法中,高斯背景模型算法比较适合解决带钢表面缺陷提取问题。2.在总结多模态高斯背景模型提取运动目标的基础上,将非参数高斯背景模型相减算法成功地运用于带钢表面缺陷分割中。并在非参数高斯背景模型相减算法中分别利用了图像梯度差非参数高斯背景模型相减算法和图像帧间差非参数高斯背景模型相减算法提取冷轧带钢表面缺陷。3.在求取非参数高斯背景模型中的参数时,将多张图像所构成的矩阵特征值作为非参数高斯背景模型的未知参数,解决该模型消耗内存大、参数更新困难等缺陷,实验结果表明该方法效果良好,能够满足带钢表面缺陷提取的任务。4.设计了数学形态学中的顺序百分态滤波器,并成功地运用于带钢表面缺陷分割中的散点滤除。