随着计算机视觉的发展,纹理分析技术的研究和应用也越来越深入和广泛。然而由于自然界纹理的复杂性,目前还没发现一种通用的方法能够完美实现各种类型的纹理分析任务。在诸多纹理分析方法中基于小波的纹理分析方法是近年发展起来的较有潜力的一类方法。因小波具有较好的时频局部化能力且种类多样,这使得它特别适合对纹理图像进行处理。本文旨在研究运用小波域的特征提取方法来解决纹理分析技术中部分关键问题,并期望实现挠性印刷电路板(FPC)金面纹理缺陷的高效率自动检测。论文主要创造性研究成果如下:针对纹理分割时小波子带能量与熵特征忽略了纹理方向及局部像素邻域关系的问题,提出基于小波包框架分解子带互补特征提取的纹理分割方案,此方案首次将梯度方向直方图描述子引入到小波包框架子带的特征提取中。在特征提取阶段,待分割的纹理图像首先利用小波包框架进行分解,然后采用所设计改进型小波包子带剔除与保留算法选择合适子带,计算出保留子带的平均绝对偏差和梯度方向直方图均值及标准差两类特征。Fisher线性区别分析与纹理分割实验显示这两类特征的组合比其中任一类单一特征的纹理区分能力都强,从而表明这两类特征具有一定互补性。在像素聚类阶段,针对纹理交界处像素误分割量较多问题,提出一种改进的空间模糊c均值聚类算法,该算法考虑了聚类像素邻域的其他像素特征值标准差的分布,实验结果显示该聚类方法在一定程度上减少了纹理交界处的误分割率。基于像素分类的纹理分割与基于像素分类的纹理缺陷检测过程相似,本文将此纹理分割方案中的关键技术应用到FPC金面缺陷检测中并实现了较准确的检测结果。针对纹理检索时小波域的能量参数、广义高斯分布(GGD)模型及广义伽马分布(GΓD)模型方法描述某些纹理缺乏准确性而实数离散小波变换又具有平移变化性和弱方向选择性,提出一种基于复小波域局部二值模式(CLBP)算子的纹理图像检索与FPC金面缺陷检测方法。所提出的CLBP算子简单高效,能捕获局部纹理基元的结构属性。纹理检索或FPC金面缺陷检测时,采用双树复小波变换对纹理图像进行分解,对得到的复系数利用CLBP算子进行相应处理,并将处理结果的统计直方图作为纹理图像的特征矢量,最后通过计算对称Kullback-Leibler距离实现纹理检索或FPC金面缺陷检测。纹理检索与FPC金面缺陷检测两种实验结果表明,该方法较一级复小波分解的GGD及GΓD模型方法的检索准确率分别提高8.66%和5.48%,检测准确率分别提高8.75%和6.25%。为降低特征维数构建健壮的特征,本文基于CLBP算子提出一种组合特征的纹理检索与FPC金面缺陷检测方法,将CLBP输出结果直方图降维后与复小波子带系数幅值的GΓD模型参数进行组合可形成纹理区分能力更强的特征。实验表明该组合特征方法在纹理检索和FPC金面缺陷检测准确率方面比现有的多种方法均高,同时所采用的组合特征具有旋转不变性,特征维数不高,是一种较具有实际应用价值的方法。提出一种基于Gabor滤波器与Mean Shift聚类的完全无监督FPC金面缺陷检测方法。此方法的特点是检测过程中无需预知标准FPC金面的纹理类型及缺陷的纹理类型。检测时待检图像先经过Gabor滤波、形态学开运算、高斯平滑滤波及降维处理,然后采用Mean-shift算法对特征数据进行聚类,将聚类后的数据二值化后就得到最终检测结果。因Mean-shift算法是一种无监督的聚类方法,所以此处理过程不需将背景与缺陷纹理种类总数做为参数。实验证明此方法能检测出各种类型缺陷且对背景纹理的微小变化不敏感。最后本文在各种FPC金面缺陷检测算法研究的基础上设计了FPC金面缺陷自动检测系统实验平台。根据FPC金面图像的特点,为顺利实现FPC金面缺陷的自动检测本文对其中的每个子系统都进行了针对性的设计。本文还为不同的检测目的提出了FPC金面检测过程的三阶段检测法,用户可根据不同要求选择合适的检测阶段与检测算法,这使程序使用的灵活性大大增加。采用大量的实验来检验整个系统的性能,各种对比性实验结果显示系统检测准确率较高,在速度、效率及稳定性方面基本胜任FPC工厂检测任务。总之,本文针对纹理属性的捕获问题,基于小波的方法提出了几种特征抽取方案并将其成功应用到FPC金面缺陷检测的任务中。这些技术的研究对纹理分析技术理论及应用的提高具有非常重要的现实意义和参考价值。