硅钢是电力、电子和军事工业不可缺少的重要软磁合金,主要用作各种电机、变压器、镇流器的铁芯。伴随着节能与新机电产品的需要,对硅钢表面质量的要求越来越高,而表面缺陷的存在,严重影响了硅钢产品合格率的提高,很大程度上制约了钢铁企业的发展。在生产过程中如何及时地检测出缺陷,并通过对缺陷信息的分析,找出缺陷产生的原因,实现对硅钢表面质量的控制是钢铁企业非常关注的问题。从现有的技术水平看,硅钢表面的检测技术还处于研究和发展阶段。由于用户对表面质量要求越来越高,企业对缺陷的检测精度需进一步提高,在检测过程中,硅钢表面呈现纹理化,如何在纹理背景下检测出硅钢表面缺陷是一个新的研究课题。本文研究的目的就是在纹理背景下实现对硅钢表面缺陷的初检和分割。本论文的主要成果如下：(1)由于纹理背景的存在,当前基于灰度不连续的缺陷检测方法不适合进行硅钢表面缺陷的检测。通过对纹理的研究和分析,本文将基于频谱残差的分析方法运用于硅钢表面缺陷的检测,该方法通过去除待检测图像对数频谱的平均成分,从而忽略了图像中频繁出现的背景纹理,得到频谱残差图像；然后对频谱残差图像进行分析,采用灰度绝对值差作为图像是否存在缺陷的判断依据；最后选用150张图像进行实验,实验结果表明,该算法检出率达94%,能够实现对硅钢表面缺陷的检测。(2)目前基于灰度信息的缺陷分割方法无法直接进行纹理背景下硅钢表面缺陷的分割,针对该问题,本文提出了一种基于结构张量的活动轮廓分割方法。该方法首先对传统结构张量进行了改进,将局部的思想加入到结构张量中,从而能更好的提取纹理特征；然后在结构张量提取的特征空间中,利用区域间概率密度函数相似性度量KL距离建立分割图像的活动轮廓模型;最后为了降低模型的数值计算复杂度,采用快速的Split-Bregman数值解法对模型进行求解；运用本文提出的分割方法对硅钢表面的一些常见缺陷如纵向划痕、横向划痕、异物、孔洞等进行分割研究,从实验结果可以看出,本文提出的方法可以准确地分割出缺陷区域,并且有效的克服了图像噪声的影响。