表面缺陷检测技术是先进制造业的基础技术之一，是提高产品质量的关键技术之一。随着技术和经济的飞速发展，对冷轧带钢的表面质量提出了越来越高的要求，这也就对表面缺陷检测技术提出了越来越高的要求。目前，基于机器视觉的表面缺陷检测技术已经发展成为冷轧带钢表面缺陷检测系统的主流技术。自20世纪90年代以来，美国和德国等少数发达国家先后成功研制出了基于机器视觉的带钢表面缺陷检测系统，并在实际生产中得到应用。而我国在这方面的研究还处于初级阶段，目前尚无可在线应用的系统，这在一定程度上导致了我国带钢产品市场竞争力的缺乏，制约了带钢表面质量的提高。　　针对目前大多数检测系统均采用一台摄像机对应一台PC机的并行处理方式，系统结构复杂且造价昂贵的问题，本文设计了一套冷轧带钢表面缺陷识别实验系统，并在该系统内采用多核处理器构建了缺陷识别并行处理子系统。在缺陷识别并行处理子系统中构建了基于RTAI的缺陷数据实时接收系统，并完成了缺陷识别算法并行化总体设计。该模块提高了缺陷识别的处理速度，同时与基于图像处理机阵列的检测系统相比，降低了检测系统的复杂性。　　在冷轧带钢表面缺陷检测过程中，带钢表面存在强反射现象。为了改善由强反射造成的缺陷图像亮度不均匀性并抑制局部强亮度现象，首先分析了强反射表面的光学特性，研究了偏微分方程理论以及同态滤波算法，在此基础上提出了一种基于偏微分方程的同态滤波算法。通过引入信息熵来对不同尺度参数下的处理效果进行评价，确定了偏微分方程同态滤波的尺度参数。针对存在强反射现象的表面缺陷图像进行了实验研究，结果表明该滤波算法既校正了图像亮度的不均匀性，又保留了足够多的原始图像信息。　　针对冷轧带钢表面缺陷识别过程中对分割准确性以及快速性的要求，提出了一种基于模糊超熵的图像分割算法，该算法同时利用了图像灰度信息和空间结构信息。首先对能够用来测度图像空间结构信息的超熵理论进行了研究，并解决了超熵计算过程中邻接像素的定义以及L值选取问题，同时将模糊隶属度概念引入到超熵定义过程中完成了模糊超熵的定义，并将其作为判断准则应用到图像分割过程中，即分割后得到的模糊超熵越大则说明分割越准确。最后通过缺陷分割实验验证了算法的有效性，同时提出了误分割率和有效信息率对分割结果进行了定量分析，结果表明基于最大模糊超熵的阈值分割算法具有较高的有效信息率以及较低的误分割率。　　为了提取表面缺陷三维特征信息来提高表面缺陷分类识别的准确率，提出了一种基于SFS原理的表面缺陷三维重构算法。首先分析了表面缺陷识别系统的光路设计，建立了改进型Oren-Nayar漫反射模型，并结合透视投影数学模型推导出相应的数学模型，具体表达形式为静态Hamilton-Jacobi方程。采用高阶Lax-Friedrichs快速扫描和牛顿迭代相结合的算法实现了方程的求解。通过人工合成图像以及表面缺陷图像三维重构实验，验证了改进光照模型以及快速扫描算法的有效性和准确性。　　在完成表面缺陷图像滤波、分割处理以及三维重构的基础上，进行了表面缺陷的特征提取与降维。提取了表面缺陷的灰度特征、形状特征、纹理特征以及投影特征等四大类特征，构建了原始特征集。针对高维原始特征集，采用特征选择方法进行降维，提出了一种两段式混合特征选择算法，首先应用基于最大相关最小冗余准则的滤波特征选择算法得到初始特征子集，然后再利用基于动态振荡搜索策略的包装特征选择算法得到更加紧凑的有效特征子集用于分类器的构造。　　在研究了支持向量机理论、多类分类方法以及模糊支持向量机分类方法的基础上，将模糊支持向量机思想引入到基于多超球体支持向量数据描述的多类分类方法中，构建了模糊多超球体支持向量数据描述多类分类器。首先利用模糊核C-均值聚类算法完成训练数据集模糊隶属度矩阵的建立，在此基础上完成了相应模糊多超球体支持向量数据描述多类分类器的构建，最后将模糊隶属度引入到样本判别阶段，设计了基于隶属度相似函数的两步式判别方法，实现了对样本数据的正确分类。对构建的多类分类器进行了实验研究，在有限缺陷样本情况下，采用特征选择降维后的有效特征子集，使分类的平均准确率达到96％以上。　　在冷轧带钢表面缺陷识别实验系统上，对缺陷识别并行处理模块的性能进行了测试。在该模块中进行了缺陷滤波、分割、三维重构、特征提取与降维、分类识别等并行处理实验，结果表明基于多核处理器的缺陷识别并行处理模块能够提高缺陷识别的处理速度，同时也降低了检测系统的结构复杂性。