水果表面缺陷是影响其品质与价格的重要因素之一,目前水果品质分类大多依靠传统的人工分拣方法,不仅劳动强度大、效率低,而且分类的结果不可靠,已经无法满足现代化物流对水果生产自动加工的需求。近几年来出现的压缩感知(Compressed Sensing,CS)理论正广泛应用于图像处理等领域,基于压缩感知和加速稳健特征(Speeded Up Robust Features,SURF)算法的图像匹配逐渐成为图像处理领域的研究热点,并侧重于如何提高图像匹配精度以及效率来保持显示的实时性,目前还未取得很满意的效果。本文拟结合机器视觉技术和压缩感知技术,研究一种快速的SURF脐橙表面缺陷图像匹配方法,使得图像特征点匹配更加精确,而且速度更快,以达到更好地匹配效果,实现对脐橙的快速分类,从而筛选出不合格的脐橙。本文主要做了以下的研究工作:1)详细阐述了压缩感知基本理论、框架,包括信号的稀疏表示、观测矩阵和重构算法的基本知识,并对其在特征提取与匹配中的应用进行了分析和说明。2)对图像预处理和图像匹配的相关理论做了详细的论述,归纳总结了常用的图像预处理技术,并对几种经典的图像匹配算法进行详细阐述。3)对SURF局部特征算法的理论知识及过程进行了详细的介绍,并归纳了几种常用的局部特征匹配算法,同时对比了各自的优劣。4)提出一种基于压缩感知与小波变换的快速SURF脐橙表面缺陷图像匹配算法,通过Matlab仿真实验证明改进后的SURF算法需要检测和匹配的特征点的数量均少于传统的SURF算法,有效改善了误匹配以及运算量大等问题,加快了脐橙缺陷图像的检测速度,为后面的脐橙实时在线分类提供了新的手段。