随着高科技的发展,对精密元件表面的质量要求越来越高。元件表面的划痕、麻点、破边等缺陷会对经过它们的光造成不同程度的散射,不但增大了光能量的损耗,同时也可能对元件引起严重的损伤,影响整光学系统的运行。而且对于不同用途的光学系统,不同的疵病对系统运行的影响程度也不一样。因此精密表面疵病的自动检测和分类一直是期待解决的问题。本文针对实际大口径元件的检测要求,在认真分析了现有疵病检测技术和综合了现代先进检测识别技术的基础上,提出了一种基于暗场成像理论的疵病检测方法,并以此初步建立了一套疵病识别系统,对元件表面的划痕、麻点、气泡等疵病形成暗背景下的亮疵病图像进行识别分类。在图像处理系统软件设计中,采用的VC++和MATLAB结合的方式来设计软件系统。本系统主要分为信息获取和识别分类两个模块。图像信息的获取是通过子孔径的拼接实现的。由于大口径元件表面疵病分布不规则、形状尺寸不一,要完成表面疵病检测,必须对全孔径逐步施行子孔径扫描,最后施行图形拼接。本系统利用比值匹配图像拼接原理进行快速精确拼接。在图像预处理中,为了更好的保持疵病边缘,研究基于偏微分方程(PDE)的图像去噪平滑算法并对PDE算法的不足作出了改进,将其用于图像去噪处理效果非常理想。在边缘定位阶段,由于精密光学元件要求疵病识别要达到um数量级,因此,我们采用了zernike矩的亚象素边缘检测的算法并针对该算法的不足作出了改进,使得改进后的算法不仅可以更加准确的定位边缘,还可以细化边缘。然后对二值化的图像进行特征提取,获得疵病的数字化信息和特征向量。将获得的疵病数字化信息与被检元件的标准板对比后即可疵病的实际数据(如长、宽、面积)。最后将获得的样本特征送入模糊分类器进行疵病的识别分类。实验结果证明,本系统具有良好的疵病识别性能。