为了更好地分割织物疵点图像,提高织物疵点判别准确率,主要通过三个方面进行了织物疵点的相关研究。第一方面提出一种基于稳定均差准则(SMDC)的自适应双边滤波算法,主要对于传统双边滤波中需要根据经验人为调整参数的弊端进行改进,算法主要利用SMDC来达到双边滤波中主要参数的自适应调整,针对每一幅织物疵点图像都有适合的参数与之对应。实验结果表明,双边滤波算法在自动调节参数过程中,均差趋于稳定,SSIM达到适应值,织物疵点图像分割结果清晰。第二方面提出了一种改进的Otsu分割算法,主要对于传统的Otsu分割算法对于双峰类型图像有良好的分割效果,但是对于单峰类型的织物疵点图像无能为力的问题进行相关改进。算法主要通过计算分割后的疵点图像与原疵点图像之间的相似度对阈值进行调整,加强Otsu分割算法对于单峰类型图像的自适应能力。实验结果表明,改进的Otsu分割算法不仅可以实现对织物疵点图像直方图呈单峰时的较好分割效果,并且还在一定程度上保留了对织物疵点图像直方图呈双峰时的良好分割效果,符合实验预期效果。第三方面主要研究了神经网络技术在织物疵点检测识别方面的应用。主要采用神经网络模型densenet169,损失函数为LSR(Label smoothing Regularization),降低模型训练过程中出现的过拟合问题,超参选为0.25和0.3,实验结果表明,该神经网络模型预测结果较为准确。