在人类接收的信息中,有80%的信息是属于图像信息。随着计算机数字图像处理技术的发展,人们越来越多的利用计算机帮助人类获取与处理视觉信息。在现代自动化生产过程中,机器视觉系统被广泛用于工况监视、成品检验和质量控制等领域,尤其是一些不适于人工作业的危险工作环境或人工视觉难以满足要求的场合,提高了生产的效率和自动化程度。数字图像的分割是对图像分析和识别的基本前提,是目前机器视觉领域最热门的研究课题之一。本文在对数字图像的分割研究现状深入探讨的基础上,研究适合拉链图像的阈值分割算法,并将其应用到拉链缺陷检测中。全文主要内容如下：1.本文在分析和总结国内外研究成果的基础上,选取基于阈值的图像分割技术作为研究的重点,分析并比较了常见的几种基于阈值的图像分割技术的特点。2.针对传统的一维最大熵算法的不足,本文将加权调和平均算子引入到阈值判别函数中。加权值直接影响到阈值的选取,为了确定最佳的加权值,先采用粒子群优化算法快速搜索到局部极小值附近,在此基础上,再用混沌搜索算法进行二次搜索得到最优解。结合图像质量评价指标,评价混度粒子群的目标适应度。实验结果表明,与其他阈值判别函数相比,通过加权调和算子优化的阈值判别函数得到的分割阈值,具有较好的分割效果,能够更好的保留目标物的轮廓。3.构建拉链缺陷检测实验平台。在论文的第四章,介绍了基本的硬件模块以及基础软件模块的设计思路和移植步骤。4.根据拉链的链头和限位码的特点,提出并实现了检测拉链的链头与限位码是否存在的检测算法。主要内容包括：基于混沌粒子群改进的最大熵图像分割算法,建立基于Hu矩的轮廓匹配判别模型,依据该模型判别拉链是否合格,在文中第五章对这些内容进行了详细描述并给出了实验结果。5.最后,把基于轮廓匹配的判别模型与Surf算法的检测结果对比分析。实验表明,在拉链的缺陷检测中,基于轮廓的匹配检测算法的检测效果要优于Surf目标匹配检测算法,尤其是当待检测目标细节较少、特征点很少的情况下,Surf算法不能很好的对目标进行匹配检测。