当代工业自动化中,机械零部件的设计指标及质检随着其制造过程的高性能化与高速化而日趋严格。其中,表面质量检测作为甄别金属产品优劣与否的重要指标,直接影响着众多器件产品的用户体验、使用性能及使用寿命。当下,图像检测技术的运用已成为表面缺陷检测的主流,研发道路方兴未艾,适逢其会。据此,本文以具有高亮回转表面的工件为实验对象,遵循低成本、低时延、模块化的原则,展开表面缺陷识别方法的研究工作。本文在综述国内外关于金属表面缺陷检测系统及相关技术的研究现状和发展趋势的基础上,综合利用精密仪器、图像处理技术、计算机等学科技术,独立完成了高亮回转表面缺陷识别算法的设计,同时对所涉及的高亮表面缺陷检测、缺陷图像预处理、图像分割、图像识别与分类、表征缺陷数据管理与数据分析等部分进行了研究。第一,图像处理中的图像分割和识别是图像检测需要解决的关键问题。为此,本文将传统检测算子分步抽象为若干环节,提出了一种具备一定阈值自适应调整的高亮表面缺陷识别算法,使得在满足检测需求的前提下,实现对高亮回转表面缺陷的识别。该方法在构造兼顾空域信息和值域信息的滤波方式的基础上,对待测原始图像进行滤波预处理,其最终目的是保护缺陷目标的边缘信息;其次,以高斯函数的一阶导数构建Canny最优边缘检测器,完成对图像的行列微分滤波处理以及梯度非极大值抑制操作,以达到图像初步分割;同时,利用最大类间方差法为图像提供了优化阈值,将初步分割的结果划分为目标缺陷和噪声背景,缺陷对象最终以二值化的图像形式呈现;最后,在误差允许的范围内对识别结果进行形态学操作,以得到缺陷目标的最终状态。第二,为了完成缺陷识别和分类,详细分析了缺陷信息包含的各类表征因子,完成对缺陷表征参数的定义,结果以缺陷表征数据表的形式呈现,并举例分析了如何对既定的缺陷图像进行缺陷识别和数据处理,从而为后续的定量分析提供了数据支持。第三,针对缺陷识别准确度和识别效率等要求,在引入三类实验图像的基础上,完成了相关缺陷识别实验。基于常规相机捕捉到的普通图完成了缺陷识别分步实验,其实验结果表明,提出的的算法切实可行;基于缺陷表征数据和本文缺陷检测平台所捕捉到的条纹实验图,完成了缺陷识别分类实验,其实验结果表明,本本算法具备较优的缺陷识别效果；在引入部分代表性算法和图像误检率概念的基础上,基于标准二值掩码图像完成了缺陷识别对比实验,其实验结果表面本文算法的准确性较高,检测结果的误差小,对比实验从侧面反映了本文算法的识别效果较优。另外,本文所提出的方法对于其它工件表面检测技术的研究也具有重要的参考价值。