羽毛片作为羽毛球生产的主要原料,其质量直接影响到成品羽毛球的品质。羽毛杆有折痕会使得角质层受损从而降低耐打度。我国羽毛球产业仍然依赖密集人工完成折痕检测,检测速度和检测质量受个人主观因素影响很大。当然高强度的检测也对检测者视力造成伤害。因此利用机器视觉进行目标采集,通过特征提取完成折痕缺陷自动检测有着必要性,具有重要的工程实际意义和经济效益。毛杆的细长结构和拱度弯度加剧了光照不均,再加上折痕和背景界限模糊,这些因素都对折痕特征识别造成干扰。本文在国内外相关研究进展的基础上,对实验装置、图像分割提取、去噪增强、灰度校正以及折痕特征的度量、分类等多个方面进行了深入的研究,为羽毛球产业从人工密集型向高新科技型转变进行了有益的探索。本文完成的主要研究工作和成果如下：(1)毛杆边缘处理。由于羽毛杆具有较大的长宽比和不同的拱度弯度,这使得毛杆边缘噪声造成较大干扰,会增加对毛杆折痕的误判与错判的潜在可能。因此需要消除羽毛杆边缘残余绒毛以减少干扰。利用Ncut分割获得羽毛杆的初始轮廓,提出窄带单向膨胀方法完成初始轮廓的局部修正。为了改善过度分割,利用羽毛杆左右端顶点作为约束种子；然后将轮廓线两侧膨胀改为单向外侧膨胀,改善相邻轮廓线邻域重叠问题,完成初始轮廓的局部修正。实验结果表明该方法具有无需人工干预能够准确有效的实现羽毛杆分割。(2)经过对毛杆折痕统计分析表明大部分毛杆是无折痕的,有折毛杆往往也只有一到两个折痕。如果对二维图像遍历搜索缺陷会增加大量好的羽毛杆被判定为缺陷毛杆的潜在可能。这就要求检测方法在减少非折痕误测率基础上提高折痕检测。针对这一特点,本文首先将二维毛杆图像简化为一维灰度均值信号,利用小波变换的局部模极大值和信号奇异点之间的关系完成奇异点位置检测,确定缺陷存在位置,并完成缺陷子图像分割提取。(3)光线校正。侧光照明加剧了光照不均现象,再加上毛杆不同的弯度和拱度,这就难以使用校准模板进行光线校正。毛杆特有结构使得光线的衰减可以看作是个缓慢的过程。在此引入基线漂移概念,通过小波变换对灰度均值变化曲线进行多尺度分解,利用分解后所得的逼近信号充分逼近光线的变化,从而完成光线校正。(4)图像降噪。子图像分割后需要进行判断是否存在折痕缺陷。由于微小折痕容易受到噪声干扰,对折痕识别造成不利影响,为了改善图像质量,降低图像中存在的大量随机分布噪声的影响,以流形上的热导方程理论为工具对含噪数据流形上的概率测度进行了分析,通过引入热核并对流形上热核唯一性和正则性进行讨论,得到了羽毛杆含噪数据的密度函数与干净数据上的概率密度之间的对应关系,并设计了基于图的热导方程去噪算法。(5)通过对各种表面折痕缺陷的灰度特征、形状特征、分布特征的研究,提出一种改进的Radon变换用于毛杆折痕表面缺陷的识别算法。引入局部投影技术消除羽毛杆生理纹理干扰,通过改变尺度因子获得矩不变量矩阵,并采用奇异值分解获得特征不变量用于分类识别,从而在灰度域和梯度域得到两个单模态识别结果；最后采用决策级融合方法得到双模态融合识别结果,提高了非折痕识别率。(6)基于黎曼流形的毛杆折痕识别。利用协方差描述子对图像特征进行描述,重点研究了Log-Euclidean黎曼度量下协方差矩阵的李群结构,推导了黎曼流形中内积空间的度量形式,给出流形核函数表达；在仿射不变度量下讨论了流形上类间散度和类内散度计算,利用黎曼指数映射得到了样本的最佳映射空间,从而实现非线性空间的标签判别。在改进的局部保持投影算法中,运用流形核函数与局部保持投影相结合的方法进行毛杆特征提取：首先基于区域图像构造协方差矩阵作为图像特征,利用仿射不变度量作为样本点的距离测度,研究了流形上近邻点的选择以及包含数据类别信息的核矩阵构建；最后利用改进的局部保持投影算法对毛杆图像进行降维。(7)提出黎曼流形上的核稀疏表示方法进行毛杆折痕识别。首先利用Bregman散度作为黎曼流形上的距离度量,并以此构造了流形上的核函数,把协方差矩阵映射到再生核希尔伯特空间。通过稀疏表示理论建立了字典学习的数学模型,结合凸理论给出了黎曼流形上的核稀疏最大化的字典学习算法。最后利用SRC分类器完成测试样本鉴别。实验结果证实了所提方法的有效性。论文最后阐述了研究的创新点及主要研究成果、展望。