钢铁行业是我国一直重点关注的行业,作为产业支柱之一,带钢已被应用在各个领域中,例如武器装备制造、汽车制造、大型航天装备的生产等。而带钢产品质量的好坏直接决定产品的性能,因此对带钢表面缺陷进行检测具有重要的意义。在这个背景下,本文对带钢表面缺陷检测系统的关键技术进行研究,着重对图像去噪算法、图像增强算法、图像分割算法、图像特征提取和选择、缺陷识别以及缺陷图像数据库的设计进行了研究。本文的主要内容如下:(1)带钢表面缺陷的预处理技术。针对图像采集系统和采集环境引入的杂乱噪声,采用几种常见的滤波去噪算法对缺陷图像进行处理,利用最小绝对值误差和信噪比作为去噪效果的评估指标,综合考虑最终选择中值滤波进行去噪。图像经过去噪处理后画质变低,对比几种图像增强方法最终选择Retinex方法对图像进行增强处理,分析几种常见的图像分割方法最终选择基于灰度阈值连通区域分割方法,通过对缺陷图像进行预处理,达到去除缺陷图像噪声、增强图像质量以及分割缺陷的目的。(2)带钢表面缺陷图像的特征提取与选择以及分类识别。从形状特征、缺陷细节、微观和宏观特征角度出发,对分割后的图像和灰度图像分别进行形状特征、奇异值特征和纹理特征,一共提取150个特征表征每个缺陷样本。为了消除冗余特征,利用mRMR方法选择分类效果最好的75维特征作为最终样本特征。针对带钢缺陷图像的多分类问题选择SVM、ElM、Softmax和DBN分类模型对其进行分类验证,通过分析分类器的运行时间和识别精度最终选择SVM分类模型,其运行时间最短且能达到98.7%的识别精度。(3)对带钢表面缺陷数据库进行设计。对比三种常见的数据库软件,最终选择SQL Server2008软件进行带钢表面缺陷数据库的设计。由于MATLAB具有强大的数字图像处理能力,因此本文选MATLAB中的GUI功能进行缺陷数据库界面的设计,通过编程完成了数据入库界面的设计、数据库表的设计以及带钢表面缺陷数据库界面的设计,完成了图像数据的模糊查询和精确查询功能,并初步地进行了缺陷图像匹配和检索的探究。