多尺度子空间分析方法是一种新的特征提取方法，该方法具有以下三个特点：①能够捕获图像目标在多个尺度多个方向上的特征；②对图像目标的平移不敏感；③特征向量的维数比较低、冗余信息比较少。多尺度子空间分析方法的这些特点可以很好地应用于表面缺陷的识别。表面缺陷的正确识别是表面检测系统的关键和难点，由于表面缺陷种类较多，形态各异，现有的识别方法都不能达到理想的识别率。本文研究了冷轧带钢、中厚板常见表面缺陷的特点，根据这些缺陷在不同尺度不同方向上表现出不同特征的性质，将多尺度子空间分析方法应用于冷轧带钢、中厚板常见表面缺陷的识别，内容包括特征提取、特征选择和训练样本选择三个方面。本文的主要工作和创新性研究成果如下：　　 (1)将多尺度分析和子空间分析结合起来，提出了可用于表面缺陷识别的多尺度子空间分析方法。该方法利用子空间分析对多尺度分析提取到的高维平移不变特征向量进行降维，克服了子空间分析对平移敏感的缺点，并解决了多尺度分析获得的特征维数过高的问题。　　 (2)将Gabor小波、Curvelet变换、幅值谱分块方法分别与保局投影算法、核保局投影算法相结合，实现了三种多尺度子空间分析方法，并应用于冷轧带钢和中厚板的表面缺陷识别，识别率可以达到97％左右。　　 (3)提出了基于线性图嵌入算法的特征选择方法，并通过保局投影算法加以实现。将该方法应用于中厚板表面缺陷的特征选择，试验结果表明：该方法对于多尺度分解过程和平移不变特征提取过程分别减少了52.63％和78.95％的计算量。　　 (4)提出了基于核图嵌入算法的训练样本选择方法，并通过核保局投影算法加以实现。将该方法应用于冷轧带钢和中厚板的表面缺陷训练样本选择，试验结果表明：该方法对于冷轧带钢和中厚板的降维过程分别减少了59.57％和44.43％的计算量。