随着计算机及相关领域技术的发展,计算机视觉已广泛应用于测量、军事、三航(航天、航空、航海)、数字医疗、制造业信息化、商业、交通安全等领域。基于计算机视觉的检测系统,可以代替部分人工视觉,在一些不适合人工作业,存在危险的地方,完成检测分类的任务,同时可以提供较高的检测精度,作为一种重要的非接触式测量方法,已成为研究的热点。　　 随着世界皮革产品消费向质量型转变,皮革表面缺陷,这一制约我国制革产业发展的因素显得尤为突出。国内现有的生产模式多以人工为主导,凭借个人经验来完成缺陷的分检和标注,没有统一的裁定标准,造成产品的质量不能保证。因此,利用计算机视觉系统和数字化技术,实现皮革表面缺陷的自动检测分类,产品信息有效管理及反馈,对于提高产品质量和生产效率,提升企业竞争力都有重要的现实意义。　　 本文主要基于对计算机视觉技术,数字图像处理,数据挖掘等相关理论的学习与研究,完成了对缺陷图像的处理,重点研究分析了缺陷特征的信息提取,以及描述缺陷时的能力,实验分析了基于不同方法的缺陷分类。　　 首先,了解皮革制品的生产工艺,对于皮革各类缺陷进行分析。依据皮革生产中的实际情况,以及缺陷的特性和形成时期,将常见缺陷进行总体上的分类,可以让后续检测工作具有针对性,同时,对于实现缺陷分检的数字标准化具有一定的参考价值。　　 其次,在对获取图像的处理中,针对皮革图像特性,选择适合的算法,完成图像的平滑滤波,图像锐化,图像增强等工作,减少了分类检测时的干扰因素。同时,实验对比了基于不同算子的边缘检测效果,为实现特征的有效提取奠定了基础。　　 再次,在对图像缺陷自身特征进行分析的基础上,利用MATLAB和相关算法提取基于颜色特征,形态特征,纹理特征等可以充分描述缺陷的多个分量,并对这些分量进行定性分析,得到对于缺陷分类有较大影响的特征分量,降低了向量的维度,简化后续的检测分类。　　 最后,在同一待测缺陷样本的前提下,通过实验,对比分析基于不同方法的分类准确率及分类器设计成本,并提出了一种结合神经网络和决策树的分类法,能够较好地解决皮革缺陷分类问题。根据以上研究,设计了检测分类系统,实验结果表明该系统能够达到相应的技术指标,为计算机视觉检测技术的进一步开发与应用奠定了一定基础。