在基于机器视觉的表面缺陷检测领域，例如汽车油漆面缺陷检测、印刷品检测、LED芯片检测等，由于缺陷在形态学和灰度等级上都可能与随机纹理或者背景图案很相似，未知的随机纹理或背景图案经常会严重地影响基于形态学和阈值处理的缺陷检测方法的准确率，在缺陷比较微弱的情况下尤其如此。本文着力研究能够适应未知的背景干扰、能够识别多形态多尺度的微弱缺陷并能实现实时检测的通用型检测算法，为研发实用性强、性能可靠的船舶易损件表面微弱缺陷检测仪器、印刷品检测仪器等新型自动化设备提供基础。　　为了实现对复杂背景下微弱缺陷的检测，本文通过采用一种根据缺陷自适应形态的采样窗口在正常背景图样中进行采样，排除形态的因素而专注于分析目标区域在灰度变化上的统计学规律，获得样本目标区域内灰度分布的多个特征量，然后利用Hotelling T2控制图对疑似缺陷进行判断。实验结果表明，本文所提出的微型缺陷检测算法拥有比较好的适应性和准确性，能够在多种图案背景情况下针对长宽比比较低的微弱缺陷进行准确检测。在缺陷长宽比较大即呈划痕状时，缺陷区域在图像空间中跨度较大，很容易与面积较大的背景干扰区域相交叠，如果视为同一个缺陷区域进行缺陷分析，影响缺陷判断结果的主要因素就很可能是背景干扰像素而非缺陷本身。　　为了实现对复杂背景下的微弱短划痕的识别，本文提出了一种新的基于Hough变换(HT)的划痕识别算法。本算法对一直沿袭的“基于迭代的像素筛选+Hough映射+峰值点提取”的划痕识别方法进行了改进，提出“感兴趣像素筛选+灰度加权的Hough映射+梭形高台提取”的全新识别方法。通过加入新的坐标系建立了新的峰值点周围分布的模型，获取了此分布的独特特性，并在此基础上采用多尺度小波表示(MSWAR)的方法对峰值点进行提取，改善了复杂背景下微弱短划痕的识别精度。实验表明，本算法能够对复杂背景下的微弱短划痕进行精确的识别，与基于傅里叶变换(FT)以及Gabor滤波器的划痕识别算法相比较，本算法对复杂背景的适应性更强，对微弱短划痕的识别准确度更高。