本文以提高视觉检测系统的检测精度和检测速度为目标,以支持向量机为主要算法,对图像降噪、边缘检测、亚像素检测和图像压缩等视觉检测的关键技术进行了较为深入和系统的研究。通过深入分析支持向量机的原理,得出了利用最小二乘支持向量回归机(Least squares support vector regression, LS-SVR)对等间隔离散时间序列信号回归处理可等效为FIR滤波器的结论,给出了相应的卷积模板的构造方法;指出了采用高斯径向基核函数的LS-SVR滤波器与高斯滤波器在降噪能力上的等价性;针对脉冲噪声,提出了一种基于LS-SVR算子模板的多路开关滤波算法,并就三路开关算法和十七路开关算法与现有的典型算法进行了对比研究;提出了严格的一维“好的定位”准则的表达式;建立了基于梯度的二维边缘检测算子的“好的检测结果”和“好的定位”准则的离散表达式;利用LS-SVR求出了二维最优边缘检测算子的近似解;提出了基于支持向量回归的亚像素边缘表示方法,以锥螺纹和链板参数的亚像素检测为例,讨论了支持向量回归机输入样本集的构造方法和获得零件直线类与圆类边缘的亚像素表示的方法;提出了基于LS-SVR的Neville滤波器的设计方法;针对一类图像的整数小波变换,设计了基于最小化小波能量的常用的LS-SVR预测滤波器。本文所取得的研究成果对于发展图像处理理论,推动计算机视觉在工业质量检测中的应用具有理论意义和实用价值。