带钢表面缺陷会对相关产品的外观造成影响,并且降低产品的抗腐蚀性、抗疲劳强度等各方面性能。基于计算机视觉的带钢表面质量检测技术对于提升产品质量、提高钢铁行业的智能化制造水平具有重要的意义。但现有的表面质量检测技术在样本训练集规模、缺陷检测精度及抗干扰性能等方面依然存在很多问题。由于实际生产线上很难获得完备、分布均衡的缺陷数据库,因此,本文分别从利用单幅图像内部特征及结合非缺陷样本库统计特征的角度,研究设计了三种相关带钢表面缺陷检测算法,具体研究内容与贡献如下:(1)提出一种用于描述局部图像块纹理的哈尔-韦伯-方差(Haar-Weibull-Variance,HWV)模型,并利用单幅图像内部特征对带钢表面缺陷进行检测。算法首先利用各项异性扩散预处理待测图像;然后建立HWV模型,利用模型二参数描述局部分块的纹理特征,并根据HWV空间下的参数分布形式对待测图像中若干可靠背景区域块进行定位,并进一步优化HWV模型参数;最后利用自适应阈值实现对带钢表面缺陷的检测与定位。实验结果表明,本文所提基于HWV模型的算法可实现对各种不同类型带钢表面缺陷的准确检测,且检测效果优于现有方法。(2)提出一种基于引导模板的带钢表面缺陷检测算法。算法假设非缺陷图像亮度服从高斯分布,针对每幅待测图像,利用非缺陷图像的统计特性以及待测图像本身的灰度分布情况生成与该待测图像唯一对应的引导模板;然后,通过差分操作,利用自适应阈值定位缺陷。本文所提基于引导模板的算法可实现对带钢表面缺陷的像素级检测与定位。同时,由于仅利用了简单的排序、模板生成及差分操作,该算法具有很高的计算效率。最后,通过调整非缺陷样本的先验分布规律,其还可被推广到其它纹理表面的缺陷检测领域中。(3)提出一种基于模糊度量的带钢表面缺陷检测算法。算法假设待测图像的背景亮度服从高斯分布,利用非缺陷图像的统计亮度范围从待测图像直方图中拟合背景的高斯曲线,定义隶属度函数及模糊性指标函数,估算各像素点属于缺陷的程度,并结合像素点位置之间的连通性完成带钢表面缺陷的检测。本文所提基于模糊度量的算法可以准确地检测不同类型缺陷,甚至微小的及与背景亮度差异小的缺陷。通过改变对待测图像背景中亮度分布规律的估计,该方法也可应用于对其他纹理表面的缺陷检测。