目前在纺织行业中,对针织物结构的分析与识别主要还是凭经验或借助专业工具来完成。这种由专家人工进行针织物组织结构参数的分析和提取虽然具有权威性,但是操作要求高,不易掌握。同时分析与识别的时间周期也相对较长,分析过程单调而乏味。因此,有必要研制能代替人工对针织物的结构参数、组织编织结构等进行有效的自动检测与分析的算法和技术路线。本文研究了利用基于形状特征参数统计、PCA算法和能量统计的图像处理与模式识别技术对针织物进行自动参数提取和组织结构识别的三种方法,提出了针织物自动识别的流程与技术路线。然后通过分析针织物图像亮度分布的特点,给出提取针织物结构参数——织物密度、线圈距离的自动提取算法,并将它们的计算结果与手工测量结果进行了比较和分析。本文提出了针织物组织结构识别的几种方法。首先我们通过扫描仪把样品图像输入到计算机,获得针织物的采样图,然后再通过图像处理对针织物组织结构进行特征提取和模式识别。第一种方法是利用链码和形状数提取针织物组织的形状特征参数:形状数、周长、面积、形状因子等特征参数,再通过这些形状特征参数识别未知针织物的组织结构。第二种方法是利用PCA算法对输入的针织物图像数据进行降维,提取图像数据的全局特征,然后通过测试样本的全局特征与训练样本的全局特征之间的欧氏距离来识别未知针织物的组织结构。第三种方法是利用Mallat和Coif1小波变换提取针织物在水平方向,垂直方向和斜方向上的能量特征值,然后通过未知组织针织物采样图的能量比例特征值与1+1罗纹组织、纬编平针组织和1+1双反面组织的标准能量比例特征值之间的距离,来识别未知针织物的组织结构。本文所提出的上述技术路线和算法,都得到了可行性的验证,取得了较好的效果,在该领域具有一定的理论意义和较大的参考价值。选用形状数为特征参数可以克服针织物在采样过程中样品平移、旋转带来的误差;选用PCA算法可以对针织物图像数据进行降维获取全局特征,大大减少计算量,加快识别速度,而又不失正确性;选用二维小波变换提取的针织物水平、垂直和斜方向上的能量特征具有普遍性,且无需前期的复杂的预处理过程,选用能量特征更具实用性。本文所提出的方法在对于针织物组织结构的识别上具有一定的新意,可以适用于诸如:纬编平针组织、罗纹组织和双反面组织等简单的纬编针织组织,具有一定的推广价值。