冷轧钢板是汽车、家电等产品的重要原材料，其质量直接关乎最终产品的品质。而冷轧钢板在轧制的过程中由于设备和工艺的影响，会产生各种缺陷。如何在生产过程中准确、快速的检出这些缺陷对于冷轧钢板的质量控制有着重要的作用和意义。本文分析了已有的一些钢板表面缺陷检测方法中的不足之处，并针对这些问题提出了基于低秩矩阵分解和稀疏表示的钢板表面缺陷检测方法。本文的总体工作如下：　　⑴ 提出了一种基于低秩矩阵分解的钢板表面缺陷图像分割方法　　钢板表面缺陷相对于无缺陷的部分具有视觉显著性的特点，可以将其看作是显著性目标和非显著性背景的叠加。基于此，本文提出了基于低秩矩阵分解的钢板表面缺陷图像的分割方法。通过低秩矩阵分解的方法得到钢板表面缺陷图像的视觉显著性映射图，通过对视觉显著性映射图的阈值处理来实现对钢板表面缺陷图像的分割。　　⑵ 提出了一种基于稀疏表示的钢板表面缺陷图像的分类方法　　根据同类别的钢板表面缺陷图像存在差异性，而不同类别的图像间又有一些关联性的特点，本文提出了一种基于稀疏表示的方法来对钢板表面缺陷进行分类。通过分别学习钢板表面缺陷间的共有字典和独有字典，将两种字典联合起来对钢板表面缺陷图像进行稀疏表示得到稀疏表示系数，通过稀疏表示系数的重构误差来对钢板表面缺陷图像进行分类。　　⑶ 对以上两种方法进行了实验验证　　针对本文提出的钢板表面缺陷图像分割和分类方法，分别设计了实验进行验证。实验结果表明，基于低秩矩阵分解的钢板表面缺陷分割方法对于钢板表面缺陷区域的分割是有效的，而且具有良好的自适应分割能力和更优的分割效果和分割精度;基于稀疏表示的钢板表面缺陷图像分类方法是高效而准确的，比用于对比的分类方法结果更好。