带钢作为钢铁工业的重要产品,其已经成为国防装备、汽车制造、航空航天等领域的必需原材料。带钢表面质量的好坏对最终产品的性能影响很大,因此努力改善带钢表面性能,提高带钢表面质量具有重要的意义。本文以国内某大型钢铁集团冷态热轧钢板表面质量检测为背景,设计了带钢表面质量在线检测系统,借助于图像处理和模式识别技术实现了带钢表面缺陷的高精度、自动化检测。本文的主要研究内容如下:(1)在图像预处理阶段,重点研究了常用的去光照不均算法,并根据实验对比确定了最佳的去光照不均方案,为后续图像的缺陷检测奠定重要基础。针对现场粉尘噪声等引入的干扰影响,结合实验分析了常用的图像去噪方法的滤波效果,并最终选择具有保边缘功能的双边滤波作为滤波处理的方法,通过实验表明该方法具有更好的图像去噪能力,而且均方和误差更小。(2)分析了不同的边缘检测算法和分割技术,通过实验确定采用Kirsch边缘检测算法,并针对所采集图片缺陷特点,提出了一种高效的缺陷分割算法,能够准确的实现目标缺陷区域与背景的分离。(3)通过研究ROI区域的合并规则,比较现有的几种合并规则,针对存在的合并不充分需要二次合并的问题,提出优化的ROI合并规则,很好的解决了这一问题。(4)根据特征向量的类可分离性准则和仿射不变性准则,提取了灰度特征、几何形状特征和投影特征等,然后运用主成分分析法进行降维,将降维之后的特征作为分类器的输入,为缺陷识别奠定了坚实的基础。(5)基于SVM的分类器具有分类能力好,收敛速度快等优点,设计了针对本系统的SVM缺陷识别分类器,分类实验表明:该分类器的识别准确率高,耗时短,在本系统中具有可观的应用价值。