机织物生产过程中,织物的疵点检测和质量控制是非常重要的,然而传统的织物疵点检测主要依靠人工检测,误检率和漏检率较高。随着计算机技术的广泛应用,织物的疵点检测,尤其是基于小波分析的织物疵点检测成为当下人们研究的热点。由于组成织物的纤维原料、纱线结构和织物结构的多样性,织物的纹理也就相当复杂,要把众多的织物纹理表示出来,很难找到一种小波基能适应所有的纹理,为此首先要建立一个小波库,把满足正交条件且具有一定长度的小波系数一一列出并储存起来,然后根据织物图像经纬向特点,自适应地选择小波基,以备不同织物纹理的自适应优选需要。构造好自适应正交小波库后,文章采用遗传规划算法对与织物纹理相匹配的小波基进行优化。首先将构造的小波库作为遗传规划算法的群体规模,并对遗传规划算法的控制参数进行优选。然后分别将小波系数最大值最小值差、能量、织物纹理波动和熵值四种常用的织物纹理表征形式作为遗传规划算法的适应度函数,对四种适应度函数进行对比后,找到最佳的适应度函数。接着按照遗传规划算法的步骤,将正常的织物图像作为训练样本,从群体规模中优化出与该织物纹理相匹配的小波基。最后,用得到的小波基,分解含有疵点的织物图像,通过提取特征值、二值化和疵点定位等操作将织物疵点检测出来,从而实现织物疵点的自动检测。在整个课题研究中,主要得到了以下结论：(1)运用遗传规划算法结合适应度函数优选的方法,可以从小波库中优化得到与织物纹理相匹配的小波基,用该小波基分解织物疵点图像,可以将疵点信息在纬向或经向子图像中突显出来,其效果比蒙特卡罗方法得到的小波基更佳。试验验证,该方法可以有效地检测出竹节、双纬、纬缩、粗纬、断纬、缺纬、双经、吊经、断经、跳纱、油污、织疵、破洞等十几类常见的疵点。(2)在遗传规划算法适应度函数的优选中,以织物纹理波动为适应度函数优化得到的小波基与织物纹理的匹配性更好,能够较大限度的突出织物疵点信息,弱化背景纹理,使织物疵点信息较好的在二值化图像和极差特征值中表现出来。(3)本文在提取织物图像特征值时,采用具有方向性的极差特征值,即对纬向子图像提取纬向极差,对经向子图像提取经向极差,这样可以使疵点信息在织物纹理方向处出现异常值。(4)对疵点定位时,采用窗口分割法进行定位,该方法定位范围准确,而且当织物图像上疵点种类较多、疵点分布范围较广时,也可以较为精确的对疵点进行定位。