基于机器视觉的带钢表面质量检测作为一种新兴高效、可靠的无损检测技术,得到钢铁企业广泛关注。为了采集高质量的带钢图像,表面缺陷检测系统一般需要配置多个相机,同时为了消除多目视觉间的冗余信息、获得完整的缺陷图像,以便于后续缺陷特征提取与分类等,还需要进行图像拼接。然而,目前关于带钢缺陷图像拼接方法研究相对较少,已有的方法只能特定类型的缺陷图像。故本文针对视觉传感系统以及缺陷图像拼接进行了以下几个方面的研究:首先,根据热轧带钢表面质量检测的技术参数,设计了基于机器视觉、分布式处理的表面缺陷检测系统的整体硬件构架,重点解决了视觉传感系统的多相机配置问题。具体地,通过建立视觉传感系统的成像数学模型,利用几何光学知识计算给出了相机、镜头的参数选型以及安装位置的可靠依据,提出了本课题的实际解决方案。然后,详细地分析了目前拼接技术中应用效果较好的特征配准方法。通过对比特征提取算法性能,并结合带钢缺陷图像特点,提出一种基于改进的ORB特征配准的带钢图像拼接方法。该方法先限制ORB特征提取区域再检测并描述特征点,接着搜索剔除多对一匹配点并增设阈值改进BF算法匹配特征点描述子,进而利用RANSAC计算仿射变换模型,实现了带钢缺陷图像的快速配准拼接。实验表明,改进的ORB配准比原算法匹配精度更高,能够有效地剔除错误匹配点,同时其结果与经典的SURF_FLANN算法效果相同,但其速度是SURF的近10倍。接着,针对特征稀少的带钢图像等,引入传感器参数即相机的内参以及多目相机间的外参,利用成像原理以及几何关系得到多目视觉中图像位置变换关系,从而实现不用基于图像信息的、高效的图像拼接。最后,针对直接拼接结果可能出现的拼接缝隙,采用了融合技术进行重构。提出了一种基于双线性插值-距离图加权平均融合法,消除了直接拼接中的痕迹。