工件表面质量是衡量产品质量的重要指标之一,不仅决定了其在市场中的价值,并且直接影响其后续的深加工或机械零部件在工作中的安全性和稳定性。因此,对工件表面进行检测越来越多地受到生产部门的重视。目前,工件表面质量检测采用的方法有传统的人工检测和无损检测技术,而这些检测方法存在效率低、或成本高、智能化程度低等局限性。近年来,随着计算机技术的迅猛发展,以图像处理技术为基础的机器视觉技术在工件表面缺陷检测中的优势越来越明显,其在工业中的应用得到了快速发展。基于图像处理的工件表面缺陷检测技术主要包括图像采集、图像预处理、缺陷目标分割以及目标的特征提取和识别等过程。在这些过程中,传统的计算方法仍存在较多问题:第一,在图像预处理阶段的滤波过程中,传统的滤波算法在抑制高密度噪声时,在保留图像细节和噪声滤除之间存在着矛盾;第二,在缺陷目标分割时,传统的阈值法等分割方法对于复杂背景下微弱目标的分割无能为力;第三,在目标的特征提取过程中,传统的特征提取方法难以兼顾数据集的全局和局部结构信息。因此,如何进一步提高这些传统算法的综合性能,并将其应用于工业生产实践中是本文首要研究和解决的问题。对此,本论文主要进行了以下几个方面的研究:(1)针对传统滤波算法不能兼顾噪声抑制和保护图像细节的问题,提出了基于加权的中值和均值滤波方法。该算法设计出了权重与噪声密度间的关系表达式,可根据椒盐噪声密度的变化情况,自适应的确定权重α,使算法能适应于任意密度的椒盐噪声;此外,提出的滤波算法采用小窗口滤波,并融合了中值滤波算法和均值滤波算法的优势,使得算法在抑制噪声的同时图像中的细节分量也能得到较好保存。将提出的算法应用Lena图像和工件表面缺陷图像滤波,实验结果表明了该滤波方法在抑制噪声方面的可行性。(2)针对单一阈值等分割算法对背景灰度分布不均图像中微弱目标分割精度低的问题,提出了基于像元搜索的目标分割算法。该算法首先采用分块措施,并排除不包含目标的图像块,以提高目标的搜索速度;采用遍历像元,通过计算相邻像元间的灰度差值以确定当前像元的归属区域的策略,解决了传统的阈值分割方法对微弱目标分割无能为力的问题。在工件表面微弱缺陷分割实验中,成功分割出了缺陷目标,证明了算法的有效性。(3)针对传统的目标分割方法对微弱目标在复杂背景下分割难,对噪声敏感等问题,提出了基于改进数据场的FCM聚类的目标分割方法。该算法采用改进数据场建立的图像数据场,达到了均衡图像背景的目的,并为FCM算法中初始聚类中心的选择提供了依据;提出了联合数据场的势值和灰度图的方差共同改进FCM算法中的隶属度函数,在一定程度上缓解了目标内部及边缘不连续的问题;同时算法在聚类过程中,提出了以图像数据场为主体,以灰度图像为辅的联合模式进行目标分割,避免了由于灰度图像背景灰度分布不均导致的分割失败;此外,算法中引入了像元邻域间的制约关系,使算法对噪声具有一定的鲁棒性;与相关算法进行比较,实验结果表明基于改进数据场的FCM聚类分割算法对复杂背景下微弱目标的分割具有一定优势,同时具有一定的抗噪性。(4)针对LPP算法中近邻数k难以确定的问题,提出了基于模糊k近邻的LPP特征提取算法。该算法通过计算两样本间的隶属度值,以自适应地确定每个样本的近邻域和近邻数k,为LPP算法中近邻数的选择提供了依据,优化了 LPP特征提取算法。在灰度图和二值图像的实验中,证明了提出算法的可行性。(5)针对传统的特征提取算法对噪声敏感,且不能兼顾高维数据集的全局和局部结构信息等问题,提出了基于多尺度变换的全局-核局部保持嵌入特征提取算法。采用curvelet变换把图像分解到频域空间中,在一定程度上降低了算法对噪声的敏感性;针对LLE算法没有明晰的投影矩阵、LPP算法不能发现高维数据的非线性结构的特点,提出了融合LPP和LLE算法的维数约简方法,以保持样本的邻域结构信息;为了能够全面的描述样本特征信息,提出了融合PCA、LPP和LLE方法,并引入了核函数K和系数矩阵S,使算法能够适应非线性数据集的同时避免了矩阵奇异性的问题。通过Swiss-roll数据集实验,验证了提出算法在保持数据集全局和局部结构信息方面的有效性;工件表面缺陷图像库和二值图像库的实验,验证该算法在特征提取和识别方面的有效性。