本文对经过预处理的帘子布疵点图像进行分割以及识别。图像分割是图像处理中非常重要的一步,尤其对于一个在线监测系统来说,分割的效果图像分割的效果直接影响了后续疵点缺陷的特征提取以及疵点类型的识别。现有的分割算法非常多,但是基本上是一种产品对应着一种分割算法。本文中,对于图像分割以及疵点类型的识别都采用了几种改良后的算法来对图像进行处理,并根据实验结果,选择效果最好,且实时性最好的算法。文章分析、比较了在图像分割以及图像分类识别的几种最为典型、常见的几种传统方法的特点,并在每个部分都选出了最优的算法,组合在一起构成了适用于帘子布疵点检测的图像预处理体系。在图像分割部分,我们使用了经典的Otsu法,此方法我们发现仿真结果使疵点有些失真;我们使用了基于统计学理论的阈值曲面概念,在此方法中,为了规避传统阈值曲面方法的缺陷,对于阈值曲面的建立采取了不一样的方法;同时,我们还使用了PCNN算法对疵点图像进行了分割。分割之后,我们采用了一种基于距离的疵点缺陷聚类方法,以便对疵点信息有一个更好的了解。在图像识别部分,采用了经典的BP神经网络对疵点类型进行分类,同时与改进的SVM分类方法进行比较。实验表明,最终我们选择的算法能达到比较好的识别效果,并且实时性比较强。