钢铁产业是国民经济的重要基础产业,是实现工业化的支撑产业。作为钢铁产业的主要产品之一,带钢更已成为汽车、船舶以及航空航天等行业的重要原材料。随着科学技术的不断发展,后续加工对带钢的表面质量要求越来越高,表面质量的好坏是带钢的一项重要指标,因此对带钢表面质量进行检测具有重要意义。本文针对带钢在轧制的过程中常出现的表面缺陷检测的一些关键技术进行了研究。提出了缺陷检测系统的总体方案,并着重分析研究了检测系统的图像去噪方法、缺陷分割方法、特征提取方法,主要研究内容如下所示:1.根据缺陷图像噪声的特点,运用传统的去噪方法与非局部均值去噪方法进行去噪效果对比,实验结果表明:非局部均值去噪方法在对图像进行有效去噪的同时还能较好的保留图像的纹理和边缘等重要的细节信息。2.针对非局部均值算法中滤波参数h不能科学选择的问题,提出利用PCA噪声估计方法对算法进行改进,实现滤波参数h可根据不同图像自适应取值,以达到更好的去噪效果。3.针对带钢表面缺陷具有采光不均、目标较小、对比度低等特点,提出了基于Mask匀光处理的区域分割方法,实验证明此方法能有效解决光照不均的问题并得到很好的分割效果。4.在提取带钢表面图像多信息融合的特征向量中的纹理特征时,提出利用将灰度共生矩(GLCM)和Tamura纹理特征相结合提取图像纹理特征的方法,随后通过BP网络的分类识别正确率对改进效果进行了验证。