基于计算机视觉的图像识别技术近年来受到了高度关注,由此发展而来的在线检测技术也以其独特的优势在国内外得到了广泛应用与深入研究。目前,生产线产品在线检测大多仍采用人工目检的方式,这种传统的检测方法存在消耗工时、检测效率与准确率低等不足,因此,在线检测技术方法与系统的研发对于节省成本、提高产品质量、提高生产效率具有重要意义。本文针对基于图像在线检测技术中的去噪与评价、图像边缘检测与特征提取、基于特征的模式分类等关键问题进行研究,以手机膜的缺陷检测为应用背景对论文所取得的关键技术进行验证。本文对比小波阈值去噪算法与其他去噪算法,分析小波阈值去噪算法的优势及缺点,针对全局固定小波阈值存在的问题提出一种逐层变化的自适应阈值设置方法,特别对软、硬阈值处理函数造成图像失真等缺点提出一种介于两种阈值处理函数之间的光滑函数,实现传统小波阈值去噪函数的改进,实验结果表明改进算法具有良好的去噪效果。分析图像梯度边缘检测的基本原理,比较不同边缘检测算子的边缘检测效果,对比图像明暗度对边缘检测结果的影响。对传统Canny算子的缺陷进行分析,采用OTSU方法进行阈值设置,改进小波阈值去噪与自适应中值滤波去噪相结合的方法进行去噪,提高Canny算子的自适应能力及抗噪能力。分析边界点相对位置与边界方向之间关系,提出一种基于优先搜索方向的边界跟踪算法,缩小搜索范围,提高搜索效率,在考虑边界存在断边情况上,提高跟踪结果的准确性。将边界图像的Hu矩与Zernike矩作为图像特征进行模式识别,对比分析二者模式识别效果,采用效果较优的Zenike矩作为图像特征,对手机钢化膜图像进行了分类实验,获得良好分类效果。