纹理是图像的基本特征,是对物体表面固有属性的有效描述,为图像的理解和分类提供了重要的特征信息,是计算机视觉和模式识别领域的重要研究课题。本文针对铝型材表面喷涂质量人工检测的落后现状,提出了一种基于纹理分析的铝型材表面喷涂质量图像检测方案,对于提高生产线自动化智能检测精度和效率具有重要意义。本文在分析灰度共生矩阵、自相关函数等特征提取方法的基础上,针对铝型材表面喷涂特点,融合了数学形态学颗粒分析和Gabor滤波两种特征提取方法。该方法运用并行计算思想,在去除不必要干扰结构的同时保持了图像的基本特征,提高了对铝型材表面纹理特征的提取速度。针对铝型材表面喷涂图像的分类精度,进行核函数分类精度测试实验,然后参照四种核函数分类精度的对比测试结果,选取了适合本文获取图像的分类准确度较高的径向基核函数;并通过交叉实验验证确定了惩罚因子及高斯函数宽度,避免了传统经验选择的随意性。对于铝型材表面喷涂图像的纹理分类,传统的C-均值聚类和模糊C-均值聚类的分类准确率大概在87%-88%之间,模糊核聚类的分类准确率在89.5%左右,而本文提出改进的模糊核聚类方法的分类准确率为91.6%,提高了分类器的分类精度。实验表明,本文提出的基于纹理分析的铝型材喷涂表面质量检测方案可行,能够解决铝型材表面喷涂质量的检测问题。