在纺织品制造过程中，质量的检测与控制是一项重要的操作步骤，而质检过程中最核心的工序则是对纺织品瑕疵的捕获与修复。目前，经由操作工人仅凭眼睛观察来寻找瑕疵是大多数轻工业工厂的检验方式，这里面一直存在一些问题，比如这种工作方式的强度过大、漏检误检率高，而且人工检测受操作工的主观因素影响相对比较大，因此无法保证更高的准确度，对工人本身的视觉也容易产生一定的损害。纺织品瑕疵检测是目前计算机视觉领域内的一个研究热点，在国内外已经有很多研究成果，但是在有效性、实时性和适用性方面，目前的检测技术还不能够完全满足实际生产的要求，需要进一步探索织物疵点检测的新技术。在分析研究当前多种织物疵点检测算法的基础上，本课题所做研究如下：(1)详细探讨了疵点分类模式，主要包括基于几何特征的疵点分类和基于纹理特征的疵点分类。此外还介绍了疵点检测的系统软硬件环境。(2)对织物疵点检测方法进行了概括，主要包括基于空间域图像处理的疵点检测方法和基于频率域图像处理的疵点检测方法。同时也介绍了有关图像的数字化及图像构成原理、图像预处理与图像分割的基础知识。(3)针对纺织品瑕疵自动检测这一难题，本文根据纺织品图像纹理的本身特征，从图像纹理的周期性这个较为重要的视觉特征着手，结合纺织品瑕疵图像及其所对应的无瑕疵标准图像的像素灰度值特征，提出了经过改进后的基于纹理周期性分析的纺织品瑕疵检测方法。基于周期性分析的纺织品瑕疵检测过程为：预处理图像→自相关函数的运算→基本单元模板的运算→瑕疵区域增强→构造均值图像→Otsu法分割→中值滤波→瑕疵定位等。(4)本文还给出了另一种纺织品瑕疵检测方法，采用了Gabor滤波器模板。这是一种知名度非常高的算法，它能够在时域与频率域很好的进行纹理分析工作。人工视觉系统能够被它以一组自相似的具有不同方向与尺度特征的Gabor滤波器组完美地进行模拟。另外，再运用二值化和数学形态法滤波进行图像分割，完成纺织品瑕疵的检测，并采用基于多通道Gabor滤波的瑕疵检测方法，达到改进多通道信息融合算法的目的。实验数据表明，该方法能够在大量通道里甄选出契合人类视觉系统的通道进行信息融合。此外，本文的程序设计主要是在MatlabR2007b图像处理软件平台上完成的。该程序主要实现了织物图像BMP文件的获取、瑕疵检测、图像显示等模块，并最终调试成功，得到检测结果。