板带材的生产过程中，由于连铸钢坯、轧制设备、加工工艺等多方面的原因，导致板带材表面出现边缘锯齿、焊缝、夹杂、抬头纹、刮痕、裂纹、针眼、结疤、孔洞、麻面、麻坑等不同类型的缺陷，这些缺陷不仅影响产品的外观质量，而且会降低产品的抗腐性、耐磨性和其他强度性能。欲提高板带材的表面质量，必须首先解决板带材表面缺陷的检测与分类问题，继而分析相应缺陷产生的原因，最终提出消除缺陷的解决方案。 在研究中，提出基于类距离的可分离性判据，基于类距离的可分离性判据的特征向量提取方法可以提取出最大可分离性的特征向量。该方法以小波变换的L1范数特征和灰度共生矩阵二次统计特征为基础，选择在各个特定类中保持相对稳定，而在不同的类之间则差别较大的统计量作为混合加权特征的特征分量，再以此特征向量为原始向量，运用基于类距离的可分离性判据原理提取出最大可分离性特征向量，大大提高了特征的分类有效性。 在提取特征的基础上，本文采用基于渐进直推式支持向量机和最近邻支持向量机的分类器，兼顾了识别准确率及分类推广性能。该方法很好的克服了传统支持向量机中存在的使用有标签训练样本存在的推广性能差以及当类别距离过近准确率下降的问题。 本文采用上述方法分别对边缘锯齿、焊缝、夹杂、抬头纹四类典型表面缺陷图像进行分类识别研究。对总共240幅表面缺陷图像的分类实验表明，当采用10个训练样本时，该二级分类器平均识别率能达到近99.5％，而当训练样本数减到5个时，其平均识别率仍然能够达到99％。