在纺织品生产中，织物的疵点检测是质量控制的重要环节，疵点的出现会影响其美观，严重影响成品的质量等级。目前，我国织物疵点的检测技术严重滞后，大多数还以人工检验为主，人为因素干扰很大，准确率不高。为此，本课题研究利用计算机图像处理技术和模式识别技术来开发有效实用的织物疵点自动检测算法。本文以素色坯布为主要研究对象，首先对织物形成机制、织物结构特征及其图像纹理特征和织物疵点特征进行了充分分析，分析得到的成果作为先验知识嵌入到织物疵点检测算法中。为解决织物疵点自动检测这一复杂问题，从多个角度出发，以实用性和实时性为目标，设计出三种织物疵点自动检测算法。在空域设计了一种基于投影法提取特征值的织物疵点检测算法，在频域设计了一种基于织物图像频谱特征的织物疵点检测算法，利用空频分析技术设计了一种基于频域Gabor滤波器滤波的织物疵点检测算法。本文从织物疵点自动检测系统要解决的关键技术问题出发，利用织物自身的结构特点及疵点特征等先验知识，提出一种基于投影法提取特征值的织物疵点检测算法。织物疵点的自动检测分为学习和检测两个阶段，在学习阶段，利用投影法分别在经向和纬向上提取正常织物图像的特征值，得到正常织物图像的特征数据集，用统计方法确定特征值的正常区间。在检测阶段，用异常检测的方法对提取的待检织物图像的特征值进行判断，检出疵点。通过对疵点织物图像特征值的分析表明,存在疵点的织物图像至少有一项特征值出现异常，可根据异常值出现的位置对疵点进行定位。文中采用了基于窗口的方法，对窗口大小的选择进行了探讨。实验结果表明此方法对织物图像中纱线可清晰辨识的情况比较适用，体现了方法简洁，计算快捷的优点。本文提出了一种基于织物图像频谱特征的织物疵点检测算法，通过傅里叶变换将织物图像转换到频域，利用频域高斯滤波器对其滤波，削弱结构背景纹理，经傅里叶逆变换，再通过阈值化操作分割疵点。利用傅里叶变换得到织物图像的功率谱图，结合织物的组织结构特点，对织物图像的频谱特征进行深入分析，给出了频域高斯滤波器的参数设置方法。由于功率谱图中的峰值点可提供关于织物周期结构等重要信息，尤其是距离功率谱中心点最近的峰值点，包含纱线排列频率的信息，本文重点分析了功率谱图中的峰值点，从理论和实验上验证了峰值点和织物密度的关系，给出了利用织物密度准确定位峰值点的方法。基于频谱特征的织物疵点检测算法克服了基于投影法的疵点检测算法对织物图像中纱线不可清晰辨识的情况提取特征不稳定的问题，同时具有简单灵活的优点。通过一组机织物图像来验证织物疵点检测算法的性能，实验结果表明了此算法的可行性和有效性。本文提出了一种基于频域Gabor滤波器滤波的织物疵点自动检测方案，详细讨论了Gabor滤波器的设计方法。本文针对织物图像的纹理特点，利用织物图像的频谱特征及疵点特征，在频域设计Gabor滤波器，确定其频域参数取值。织物图像通过Gabor滤波器滤波后，图像的结构背景纹理减弱，疵点特征突出，利用阈值法分割出疵点。利用不同类型的织物进行测试，结果证明该方法是可行和有效的，识别率可达到90%。该算法的优越之处在于充分利用织物图像的频谱特征简化了Gabor滤波器的参数设计，只要两个Gabor滤波器就可满足算法要求，减少了计算时间，对不同织物根据其频谱特征采用相应的滤波器参数，适应性强，能够满足织物疵点检测系统实时性和准确性两方面的要求。