连铸板坯的表面缺陷,如表面裂纹等,不仅会影响连铸生产过程,而且是热轧工序质量事故的重要原因。对连铸板坯表面缺陷进行在线自动检测,不仅能避免批量的质量事故,而且可为热装热送工艺提供技术保障,具有显著的节能降耗作用。目前在线应用的表面检测系统一般采用两维图像检测方式,即利用表面图像中的两维灰度信息进行缺陷的检测与识别,由于铸坯表面存在着大量氧化铁皮与保护渣,它们与裂纹等真实缺陷在两维图像中非常相似,利用灰度信息难以进行区分,容易造成缺陷的误识。为了提高高温铸坯表面缺陷的检出率和识别率,减少缺陷的漏检与误报率,本文对铸坯表面图像的特征提取方法进行了深入研究,提出了一种基于光度立体视觉的铸坯表面缺陷三维检测方法,并利用灰度与深度信息的融合进行缺陷的检测与识别。文章的主要成果及创新点如下：(1)将多尺度几何分析方法应用于高温铸坯表面图像的特征提取,提出了一种新的高温铸坯表面缺陷识别方法。不同缺陷具有不同尺度和方向上的特定信息,而传统的小波分析方法无法获取图像在多个方向上的信息。本文将Curvelet变换、Contourlet变换、Shearlet变换等多尺度几何分析方法应用于高温铸坯表面图像的多尺度、多方向分解,分解后得到多个子带图像,计算所有子带的统计特征值,得到一高维特征向量。用有监督的局部线性嵌入(SLLE)降维方法去除该高维特征向量的冗余信息,得到一低维特征向量,将该低维特征向量输入到支持向量机,从而实现对高温铸坯表面缺陷的识别。实验表明Shearlet变换与SLLE降维相结合的Shearlet-SLLE方法对测试集样本的识别率可达87.36%,高于小波变换、Curvelet变换与Contourlet变换。(2)设计了基于彩色光度立体视觉的高温铸坯表面三维检测方案,并提出了一种基于四叉树积分的三维重建算法。设计了一种通过相机标定测量被测物体反射模型的方法,采用该方法测量了高温铸坯表面的反射模型。利用红、绿、蓝等多台激光线光源和单台线阵3CCD彩色相机的组合,设计了基于彩色光度立体视觉的高温铸坯表面三维检测方案。提出了一种基于四叉树积分的三维重建算法,根据三维表面的梯度场求解表面深度值,相比传统的矩形路径直接积分算法和全局优化算法,本算法具有较高的算法效率,并对噪声具有较好的鲁棒性。实验表明,该算法在时间上能够满足在线检测的要求,同时具有较低的误差,能真实反应物体表面的深度信息。(3)提出了灰度和深度信息融合的表面缺陷检测与识别算法,并开发了基于信息融合的高温铸坯表面缺陷检测实验系统。综合考虑灰度、梯度、深度信息的特点与数据量,设计了一种3层信息融合算法,达到了算法效率和准确率的优化。开发了灰度与深度信息融合的连铸板坯表面缺陷检测实验系统,系统采用在线识别与离线训练相结合的工作模式,在线识别功能为离线训练提供图像样本,离线训练为在线检测识别训练分类器。在线识别功能中使用了神经网络+模糊集的信息融合算法,离线训练功能则对4个不同分类器进行单独训练,得到的分类器参数用于在线识别。用国内某铸坯生产线采集到的样本进行试验,包含裂纹、接痕、氧化铁皮等430幅图像。试验结果表明：缺陷的整体识别率达95.0%,单幅4096×512尺寸图像的平均运算时间为2.23s,可满足在线检测的要求。