在线检测是现代制造业中一个重要的组成部分。在不同的行业中有着大量的应用,例如造纸业,纺织业,塑料,金属,胶合板等等。检测系统的目的是根据用户提出的要求,对于那些影响产品质量的瑕疵进行检测和分类。现代造纸业的特点是幅值宽、速度快。现代造纸机的幅宽可以超过9米,速度达到30米/秒。这样的机器每秒钟生产大约3X108mm2的纸张,靠人工肉眼检测成纸的瑕疵即纸病已不可能。基于CCD技术的纸病检测系统采用CCD元件作为传感器,连续拍摄运动纸幅的图象,利用计算机对数字采集信号进行分析处理,确定纸病的位置和类型。从有关当前商用纸病检测系统为数不多的产品介绍和使用报告来看,阈值算法(包括全局阈值和局部阈值)是当前纸病检测系统所使用的主要检测方法,而共生矩阵、自组织映射(SOM)等描述方法主要用于对可疑局域的特征提取和分类。这主要是因为阈值算法具有较高的计算效率,适合于现场的实时性检测要求。而共生矩阵、自组织映射(SOM)等算法虽然能够更加准确地分离出纸病,但是计算较为复杂,不能满足实时检测的要求。如果能够提高其计算速度,直接将其应用到纸病的实时检测部分,无疑会大大提高系统的检测精度和准确性,克服阈值算法不能检测低对比度纸病、微弱纸病和特殊形状纸病的缺陷。本文在现有的基于自组织映射(SOM)算法的基础上,对于影响计算实时性的关键算法提出了新的优化方案和思路,使该算法用于实时检测成为可能,并且探讨了使用图形硬件实现纸病检测的可能性,得到了积极的结果。本文所说的实时性是指在普通家用摄像机上能够实现实时检测的情况,也就是说,检测速度是25帧/秒(PAL)或者30帧/秒(NTSC)。同时,对于工业现场中存在的诸如纸种的改变、光源寿命造成的亮度降低、灰尘等诸多因素导致的检测模型的扰动,提出两种解决方案,一种是快速更新检测模型,使之适应变化了的环境条件,本文的第四部分探讨了利用图形硬件来快速更新检测模型的算法,另外,本文第五部分提出了一种新的基于小波奇异性特征的检测算法,仿真研究表明该算法具有良好的抗干扰性。本文的主要内容包括:1纸幅图像可以看作随机纹理,本文以现有基于统计SOM(Self OrganizingMap)的纸病检测原理为基础,对于影响计算实时性的关键算法提出了优化的方案和思路,包括置信区间合并原则,即对于SOM的分类结果中,置信区间发生嵌套的情况进行合并,从而大大降低了原有算法的所需计算量,提高了算法的效率,以及推导出纵向部分重叠窗口的共生矩阵特征向量(包括均值、反差)的快速算法,从而使得利用普通计算机硬件实现纸病图像的实时处理成为可能。在较为低廉的CPU(Intel P4 1.7Ghz)下,对于一幅512X512的灰度图像,得到了约5帧/秒的检测速度。随着当前计算机硬件技术的高速发展,出现了多线程