带钢在钢铁工业中占有极其重要的地位,它不仅是军事、造船、航空航天、机械制造、化工等行业的重要原材料,而且在汽车、家电等人们生活所必需的产品中得到广泛运用。带钢表面缺陷是限制其质量提高的重要因素。对其进行实时的监控,是提高其质量的重要手段。计算机视觉在带钢表面的缺陷检测中日益显示出其重要性,而带钢表面缺陷图像的去噪处理是带钢表面缺陷检测的重要前提步骤,处理过程不仅对滤波器的去噪性能有比较高的要求,同时对其保持缺陷图像细节信息的性能要求更高。文中详细研究了噪声的模型、分类、来源及带钢表面缺陷检测系统中两种典型噪声(高斯噪声、脉冲噪声)的情况,根据高斯噪声及脉冲噪声具有的不同特性,有针对性的提出了不同的去噪方法。针对脉冲噪声,文中具体研究了传统中值滤波的基本原理及实现流程,和其改进方法的特性和不足之处,然后在此基础上综合提出一种多级加权自适应算法,通过大量的仿真实验证实了该方法具有运算速率快,自适应强,去噪效果好,保持图像细节好的特点。针对高斯噪声,文中系统的研究了小波基本理论和基于小波分析的去噪原理以及几种常用的方法。在几种方法中,小波阂值去噪法,原理简单易行,效果较好,在通过对带钢表面缺陷图像进行的大量仿真实验基础上,全面的研究了不同的小波基、分解层数、阈值和阈值函数对小波阈值去噪效果的影响。最后,建立图像去噪质量客观评价体系验证了两种去噪方法的优越性。整个软件系统采用Visual C++和matlab联合开发实现,利用Visual C++易于编程及matlab易于矩阵计算的特点,较好的完成了带钢表面缺陷图像典型噪声滤除任务。