当今世界,汽车、家电、军事、航空航天和造船等行业都在飞速发展,钢板作为主要材料,同时作为国民经济的支柱型产业钢铁冶金工业的产品之一,其需求也日益扩大,钢板质量对于后续产品的质量和性能也有着直接的影响。所以,研究带钢表面质量检测对国内经济和国民安全都具有着重要的现实意义。近几年,机器视觉以绝对优势在无损检测中脱颖而出,受到钢铁企业和学者的青睐,机器视觉在国内钢铁市场处于起步状态,在应用方面,依旧需要对系统设计上的稳定性以及实时性加以提升,鉴于此,本文采用机器视觉方法对带钢表面缺陷检测及分类的关键技术进行深入研究。主要工作内容如下:(1)建立了一套模拟工厂生产条件下的带钢检测实验平台,设计图像采集装置以及系统软件总工作流程,针对性的设计算法流程。(2)研究带钢图像预处理的亮度补偿和滤波去噪算法,针对亮度补偿环节,提出基于全局自适应亮度补偿算法,该算法原理简单,运算速度快,经过算法对比,确定本算法对本实验图像的亮度补偿优势。(3)针对于图像分割,提出结合边缘算子的改进大津阈值分割来实现区域分割,即利用边缘灰度信息来实现局部大津阈值分割算法,阈值选择更恰当,同时,运行时间上也有很大的优势。(4)基于复杂度标量的概念,研究了复杂度的定量标准,通过实验对三种复杂度标量进行对比分析,验证本文所选标准的通用性、有效性以及实时性。将灰度标准差和边缘分割后灰度值大于0的像素点数量的双重标准应用于缺陷检测领域,运算速度快,减轻服务器压力,精度高,实现20幅无缺陷图像在125幅带钢图像中完全检出。(5)研究主要缺陷特征,实现对缺陷图像进行形状、纹理特征提取,采用经Gabor变换后所提取的信号处理型纹理特征,提高分类识别准确率。利用PCA实现特征数据降维,成功从87维降低到19维,提高缺陷分类效率,采用支持向量机实现分类,并通过实验验证了新特征Gabor变换的纹理特征的有效性。本文实现了97%的快速检测以及94%的分类识别的系统要求,对带钢缺陷检测系统的实施以及企业内的推广具有一定的指导作用。