针对中小企业在箱包制造领域对布匹瑕疵检测仍然采用人工方式,存在检测效率低,成本高,劳动强度大等问题,本文致力于研究一种满足这些企业需求的基于机器视觉方法的布匹瑕疵检测方法,建立了基于LTP+GLCM的布匹瑕疵检测模型,提出了基于LTP+GLCM特征提取方法和瑕疵检测方法,所提出的针对箱包领域中小企业需要的布匹瑕疵检测方法经过真实数据的测试,达到了可以实用的程度。本文主要研究内容和特色如下:(1)在对基于LBP、LTP和GLCM来提取布匹纹理特征和基于这些特征进行布匹瑕疵检测进行了较深入研究的基础上,提出融合LTP特征和GLCM特征的新的特征提取方法。该方法能够有效且快速的提取布匹的纹理特征,对有瑕疵的纹理和正常部位的纹理,该算法能在提取的特征上进行有效区别。(2)建立了基于LTP+GLCM进行布匹图像瑕疵检测模型,设计了相应的实现算法,包括图像预处理方法、LTP(LBP)特征图构建算法、基于LTP(LBP)特征图的模式级别变换和分块处理算法、基于区块进行GLCM特征提取算法,以及对待检测布匹图像进行样本相似度匹配和瑕疵检测算法等。(3)对提出的布匹检测方法进行较全面的对比测试和结果分析,包括在不同布匹图像样本、不同布匹图像分辨率、不同布匹图像尺度、不同个数的瑕疵等场景下进行测试和结果分析。另外,针对本文所提出的方法在不同区块大小和不同模式级别下进行了对比测试。通过这些测试验证了所提出方法的有效性和稳定性。(4)基于本文所提出的布匹瑕疵检测方法,设计并实现一个验证用的演示系统,包括系统的需求分析、概要设计、详细设计和编码实现等环节。通过所设计和实现的演示系统进一步验证了本文提出方法的可应用性。论文最后给出了本文所做的主要工作和存在的问题及后续研究的方向。