毋庸置疑,钢是工业中的粮食,而冷轧带钢又是钢铁工业的主要产品之一。它不仅是军事、造船、航空航天、机械制造、化工等行业的重要原材料,而且在汽车、家电等人们生活所必需的产品中得到了广泛的运用。但由于表面缺陷的存在,带钢的质量受到了很大影响。对其进行实时的监控,是提高其质量的重要手段。因此快速发展准确的带钢表面缺陷检测系统十分必要。检测系统在成像过程中不可避免的受到噪声的影响,使用CCD图像传感器获取图像、光照程度、传感器温度、信号处理电路等是生成图像中产生大量噪声的主要因素。噪声会使图像变得模糊,很可能被认为是产品缺陷,从而造成系统可信度下降。所以在缺陷检测的预处理阶段对图像的去噪处理就显得尤为重要。首先,针对脉冲噪声,文中研究了传统中值滤波的基本原理及其改进方法的特性和存在的问题,并结合脉冲噪声以及带钢表面缺陷图像之间的特点提出了基于双阈值准则的滤波算法(TTNA, Two Threshold Norm Algorithm)。该算法的最大特点是将噪声点和非噪声点很好的区分开,然后进行中值滤波。通过大量的仿真实验验证了该方法的有效性,在噪声去除和保护细节方面都取得了明显优于传统滤波方法的效果,而且在噪声污染不太大的情况下具有普遍适用性,有一定的工程应用价值。其次,针对高斯噪声,文中研究了小波阈值降噪法和基于贝叶斯估计理论的小波域降噪方法。阈值法由于其实现的简洁性而得到了广泛应用,但是阈值函数的构造具有一定盲目性,阈值也有其自身的缺点,这就影响了阈值法的降噪效果。基于贝叶斯估计理论的小波域降噪方法取得了比阈值法要好的降噪效果,但是该类方法一般都有比较复杂的先验概率模型,因而存在计算量大的问题。针对该问题,本文提出了一种简化模型的改进方法,该方法将原始图像小波变换系数视为零均值的高斯分布,并用极大后验估计从含噪图像小波变换系数中对其进行估计,最后用平滑处理滤除重构图像的残余噪声。通过对抬头纹等典型的带钢表面缺陷图像进行实验,验证了该方法的有效性,在带钢表面缺陷检测系统中可有效的滤除高斯噪声。最后,建立图像去噪质量客观评价体系验证了两种去噪方法的优越性。