外观纸病是影响纸张质量的重要因素。在纸张的生产过程中,多种外观纸病时常出现,严重影响了纸张质量。且随着对造纸速度的要求提高,依靠人工肉眼来辨识高速造纸车机生产的加宽横幅纸张已经变得不现实。因此,结合计算机技术发展新型智能化在线检测系统来精确辨识外观纸病是首要问题。在造纸生产线上,纸病图像的复杂背景噪声导致现有的辨识方法在实际应用中并不能够正确地辨识纸病,因此本课题在已存在的纸病检测系统的基础之上,通过研究五种常见且具代表性的纸病——黑斑、孔洞、亮斑、褶皱、裂纹的图像特征,提出一种新的辨识纸病的方法,本课题所做的主要工作如下。1)借助FPGA进行图像预处理。为了让纸病特征提取和识别阶段处理的数据量减少,同时提高识别的精度,在纸病特征提取和识别之前,需要对CCD相机获取的图像信息借助FPGA进行预处理。通过比较不同模板情况下均值和中值滤波对添加噪声的滤除效果,以及灰度差直方图的分析,最终选用改进的中值滤波来滤除噪声的影响。2)噪声模型建立。由于纸病背景图像存在明显的不均匀性以及较为严重的图像背景噪声,为了定量的分析纸病图像的不均匀性、时间噪声和空间噪声对于辨识过程的影响,使用本质模态分离(EMD)方法建立背景图像的横向灰度分布趋势函数,剔除不均匀成分,然后用自回归模型(AR)模型建立时间噪声和空间噪声的数学模型。3)基于SVD和SVM的纸病辨识算法研究。通过对模型参数的分析得知,纸病图像的功率谱具有不均匀性和时变性,传统的滤波技术不仅滤波效果不好,还容易破坏纸病信息,因此提出一种新的纸病分类辨识方法:首先使用三层二维小波分析进行信噪分离,去除背景噪声,保留处于低频段的纸病信息。再利用奇异值分解(SVD)技术对纸病信息提取纸病特征,最后采用支持向量机(SVM)进行纸病判断。用三层二维小波对目标图像进行去噪处理,借助SVD进行特征提取,最后使用SVM进行纸病分类,仿真结果表明了该辨识方法的有效性,可以有效的辨识各种纸病,且辨识度在98%以上。同时结合FPGA进行预处理,将纸病所在的小区域首先锁定,明显提高了纸病辨识的速度与可靠性。