在日益自动化的工业印刷生产中,依赖人眼完成的产品表面质量检测越来越多地由视觉系统来完成。多印次印刷过程中可能产生平移和旋转这类刚性变化以及其他噪声干扰,影响建模结果逼近产品图像的程度。本文旨在为印刷品表面质量检测视觉系统提供关键技术,依据盲源分离原理和凸优化理论,设计抵抗刚性变化干扰的图像盲源分离算法,并期望能获得准确的建模结果,以提高片状印刷产品表面检测系统的建模质量,降低印刷产品表面质量的误检率。本文主要研究了以下内容：第一,本文首先系统地讨论了盲源分离问题产生的背景和理论基础,然后将印刷产品表面质量检测建模系统中遇到的刚性变化干扰的问题抽象为盲源分离的数学模型,为盲源分离方法可以应用到视觉检测系统提供了理论基础。第二,盲源分离算法在印刷检测系统建模中的数学分析。提出了印刷检测建模系统中面临的多次套印中刚性变化影响到建模质量的问题,详细分析了当前经典的盲源分离算法并对这几种算法进行了对比,根据印刷产品表面质量检测系统中建模对图像盲源算法的要求,指出了适合检测系统使用的非负源混合观察对象凸分析算法(Convex Analysis of Mixtures of Non-negative Sources, CAMNS)。这为后续的抗刚性变化的图像盲源分离算法垫定了严格的数学基础。实验证明,盲源分离算法可以解决上述问题,但需要进行改进以抵抗多次套印中刚性变化对建模的影响。第三,基于凸优化的抗刚性变化图像盲源分离算法研究。本文重点提出了基于凸优化的抗刚性变化的图像盲源分离方法。这种方法的设想是在CAMNS算法的基础上,利用傅里叶-梅林变换处理观测混合图像,得到可以抵抗刚性变化的不变因子。在此过程中利用了傅里叶变换、梅林变换的信号处理算法。但在随后的过程中发现傅里叶-梅林变换仍旧无法解决这类问题。随后本文重新设计并实现了基于几何变换的抗刚性变化的图像盲源分离算法,根据CAMNS算法的空间局部显著性的假设,将有刚性变化因素影响的图像盲源分离转化为CAMNS算法可解的问题,进而估计出混合矩阵最终分离源图像信号。最终该方法实现了在有刚性变化影响的图像的盲源分离,同时仿真实验验证了算法的准确性。