目前冶金板带箔材料表面缺陷在线自动检测中主要采用的是计算机视觉技术,实际检测过程中,为获取用于可识别的缺陷特征,关键一步是图像分割的成功与否,而缺陷边缘检测是图像分割中最重要的一步。经过以往的研究结果表明,真正制约基于计算机视觉在线自动检测系统对于客观事物的理解程度的根本因素在于对于底层和中层图像处理方法和理论上遇到了很大的困难,许多问题还有待于进一步的研究和解决。底层图像处理主要包括对数字图像的去噪、对比度增强、锐化、图像复原等前端处理。中层图像处理主要包含边缘检测、图像分割、目标特征描述等。图像边缘检测的框架不外乎两种,即传统的基于图像灰度特征的算法和基于小波的多尺度边缘检测算法。经典边缘检测算子现在已比较成熟,但因其自身原理的限制,其适用性和抗噪能力都不强。另一类是利用小波的多尺度变换以及在小波变换下信号和噪声的Lipschits指数的区别来提取对我们有用的边缘信息,并除去噪声的干扰。本文在第一章对板带表面检测技术作了简介,阐述论文选题的重要性,论述了小波分析在该技术领域应用的理由;第二章从带钢表面缺陷图像的成像过程分析该类图像的特点和缺陷边缘的模型,介绍经典边缘算子并给出仿真结果;第三章,介绍小波理论的基础,设计小波收缩滤波器和基于相位一致性约束的多小波滤波器。第四章,实现小波模极大值法和多尺度自适应阈值法在缺陷边缘检测中的应用,检测的结果说明对于带钢表面多种缺陷边缘的提取均有比较好的效果,并且符合人类的视觉系统特性。第五章尝试了基于统计的的缺陷检测方法,对于板带表面图像在实时性和分割效果上均有比较好的效果。相信本文对带钢表面缺陷边缘检测技术研究及应用有一定的参考价值。