在纺织品生产中,质量控制与检测是一项重要的工序,织物疵点控制与检测是其中最为主要的部分。目前多数纺织企业都是采用人工视觉离线来进行织物疵点检测,但因受到劳动强度和环境条件等因素限制,无法确保高准确性,而且人工检测受工人的主观因素影响较大,对人的视觉也容易造成伤害。本文介绍了布匹瑕疵检测系统的组成和工业生产中常见瑕疵的类别和特点,重点研究了三种坯布瑕疵检测算法。Gabor变换是一种重要的时频分析方法,具有良好的纹理分析能力。一组具有不同尺度和方向特征的自相似Gabor滤波器族能够较好地模拟人体视觉特性。本文采用一种基于多通道Gabor滤波的瑕疵检测算法,定量分析了各通道滤波图像对瑕疵检测的贡献,改进了多通道信息融合算法,并使用一种自动阈值迭代算法,完成瑕疵的检测。实验证明,该算法能够从多通道滤波图像中选择出与人的主观视觉相吻合的通道,进行信息的融合。局部二进制模式(Local Binary Pattern)及其各种改进形式是一类纹理描述算子,近年来受到广泛关注。以此为背景,本文采用统一模式类改进的LBP算子,描述正常布匹纹理和瑕疵区域纹理的不同特点,提出了一种基于块的布匹瑕疵检测算法,并分析了这种方法的优缺点:即算法原理简单,但是适用范围受到一定的限制。在分析LBP算子优缺点的基础上,本文提出了一种联合LBP空间纹理结构和纹理对比度的瑕疵检测算法。首先对标准无瑕疵图像进行特征提取,然后使用自组织特征映射图(SOM)完成对标准数据的无监督聚类,并估计SOM中各单元特征向量的分布特性。对于未知类别属性的特征向量根据一定的准则函数,寻找最佳匹配单元,以它与最佳匹配单元的误差距离为依据,判断是否属于瑕疵区域。实验证明该算法能够检测出破洞、跳花、木棍皱、双纬、霉斑、稀弄等瑕疵类型。