周期性结构是一种常见的结构形式，大到建筑、桥梁、机械、织物，小到细胞、复眼、芯片、微透镜阵列，都属于周期性结构。为了保证结构的一致性和准确性，对周期性结构参数的检测必不可少。随着图像处理技术和计算机视觉技术的发展，越来越多的测量工作可以通过视觉方法自动完成，可提高检测精度和速度，避免人工检测中可能产生的错误，同时也提高了效率、降低了成本。本论文在众多周期性结构参数检测方法中，对频域检测方法作了系统全面的分析和研究。本文的主要工作如下：
　　1)提出频谱特征提取方法，分析噪声、阴影、畸变等成像误差对频谱的影响，倾斜、缩放等图像采集误差对频谱的影响，并针对性的提出了预处理方法。
　　2)针对周期性结构的尺寸测量、质量检测，结构相似度评价等多方面检测需求，用控制变量的方法分别进行纹理图像仿真，提取频谱特征，找出每种纹理待测量对应的频谱特征信息。通过定量的分析和计算，对每种纹理待测量提出了基于频谱特征信息的评价指标和通用检测方法。
　　3)搭建了视觉检测系统和用户操作界面，对针织物为代表的实际周期性结构进行了实验，验证了尺寸测量、质量检测，结构相似度评价等基于频谱特征的检测方法。
　　4)在视觉检测系统基础上，搭建了实时采集检测系统，成功将算法应用于实时织物密度检测等项目中。经过不同样品的实验和分析，单帧图像测量速度在150毫秒左右，密度测量误差在1％左右。这表明基于频谱分析的周期结构参数检测算法是准确、高效、通用的。