印刷品跟人们的日常生活息息相关，尽管随着数字网络的高速发展，印刷产业受到了一定的冲击，但人们的生活中依然离不开各种各样的印刷品。然而传统印刷品缺陷检测技术已经无法满足印刷工业速度和精度的要求，印刷品的质量保障需要印刷品缺陷检测技术与时俱进的发展。近年来，基于机器视觉的印刷品缺陷检测技术逐渐被人们所采用，然而发展至今在印刷检测的实际效果上并不理想，本文以机器视觉为基础，基于统计学习的相关理论，深入研究了印刷品缺陷检测技术，本文主要内容分为以下几个部分：（1）提出基于边缘密度的匹配子区选取方法，实现了基于CUDA高速并行计算的图像互相关匹配算法，并对匹配精度进行了分析。（2）介绍了基于方向特征和基于同质性的邻域差分搜索方法，提出一种基于DOG梯度和邻域差分搜索的构造差异图像的方法。（3）选取差异图像的OTSU分割阈值和ROI最大光刺激强度作为比对特征，然后用基于SVM学习的方法训练正负样本，最后通过SVM分类判断待检测样本是否存在缺陷。