带钢的质量检查，既包括内部质量检查，也包括表面质量检查。在激烈的市场竞争条件下，良好的表面质量不仅是企业形象的代表，而且是赢得市场的前提条件。带钢表面缺陷监测系统作为表面质量的监测设备，在生产中具有非常重要的实用价值。而能否准确、实时地检测出带钢表面缺陷是带刚表面监测系统实用性和准确性的关键所在。因此本文通过对大量带钢表面图像的分析，对基于带钢表面缺陷特征的缺陷快速检测方法进行研究。 在本课题中，首先提出了带钢表面监测系统的总体设计方案，从硬件和软件上保证系统的实时性和精确度。其次设计一种获得噪声图像的方法，分析图像的噪声特性。并在此基础上针对传统中值滤波算法复杂、处理时间长等缺点，提出一种改进的迭代的中值滤波方法，这种方法在有效滤掉噪声的同时尽可能地保存了图像的细节，并比传统的中值滤波方法大大地减少了处理时间。 在对图像进行滤波处理后，本文分别提出了BP神经网络法，区域灰度差绝对值阈值法和基于背景差分的小区域阈值法三种方法，对带钢表面缺陷进行检测。本文选取300幅带钢图片进行实验，结果表明这三种方法的漏检率和错判率均在5％以下，且速度至少能达到10毫秒/每帧，满足实时检测系统低漏检率、低错判率和快速检测的要求。其中BP网络检测方法适应性好，可以通过样本学习适应相应的环境变化，并且不但能检测出已知样本的缺陷，而且对未知缺陷样本的检测效果也很好。区域灰度差绝对值检测方法算法简单，运算速度最快，能实现5毫秒/每帧的检测速度。基于背景差分的小区域阈值法除了算法简单，速度快以外，它还能有效地检测出微小的、对比度低的缺陷，并且背景图像的不断更新能使系统适应带钢表面质量的不断变化，使系统能满足不同生产环境的检测需要。 通过本论文的研究和探索，使带钢表面监测系统的实用化更前进一步，为进一步的带钢表面质量在线控制识别奠定了基础。