在连铸坯生产过程中，表面缺陷是影响连铸坯质量的重要因素。传统的人工检测方法存在着工作环境恶劣、检测效率低等问题，无法满足检测要求。假如连铸坯存在表面大裂纹，后续的钢板轧制会造成产品报废；存在表面小裂纹时，需要将裂纹修磨掉才能进行轧制钢板。本文以某大型钢铁企业炼钢厂实施的“连铸坯表面缺陷在线检测技术”项目为基础，深入研究连铸坯表面缺陷检测系统的设计和应用，重点研究图像特征提取方法。本文的主要研究内容与成果包括以下几个方面：　　 (1)介绍了连铸坯表面缺陷检测系统的设计，包括图像采集系统、图像处理系统和人及交互系统，然后对连铸坯表面缺陷的常见类型、外观特征和成因进行了研究，为连铸坯表面裂纹的检测建立了基础。　　 (2)研究了线性判别分析(LDA)、主成分分析(PCA)和独立成分分析(ICA)方法，并在表面裂纹图像特征提取领域上应用。本文利用上述三种方法创建特征子空间，并将样本图像投影到该空间得到维数较低的特征值作为图像的特征。使用PCA方法提取特征时，特征子空间由相互不相关的主成分组成，而使用ICA方法时，特征子空间由相互独立的独立成分组成，这些独立成分是基于负熵的快速定点算法FastICA求解得出。本文还采用了PCA与LDA，ICA与LDA相结合的方法提取图像特征。　　 (3)研究了用于连铸坯表面裂纹识别的分类器设计。本文采用了K近邻分类器和支持向量机(SVM)识别方法，对连铸坯表面裂纹缺陷进行分类识别。实验结果表明基于核函数的支持向量机识别方法更有效果。