布匹瑕疵检测作为一种质量保证手段目前主要通过人工来完成，工作强度大且效率低下，采用自动化的机器检测成为一种合理的选择。本文研究了布匹瑕疵自动检测与分类的算法，主要工作如下：奇异值分解(SVD)是一种有效的代数特征提取方法，本文首先研究了基于SVD理论的瑕疵检测与分类算法。瑕疵检测阶段，充分利用奇异值分解所生成的奇异值和奇异值特征向量信息，实现瑕疵分割；提取瑕疵区域基于奇异值的特征，应用BP神经网络分类器实现瑕疵分类。针对布匹瑕疵的不规则形状和纹理特征，本文研究了一种基于Gabor小波网络(GWN)和支持向量机(SVM)的瑕疵检测与分类算法。应用GWN模拟逼近布匹图像的背景纹理，构造最优Gabor滤波器，实现瑕疵分割；提取基于灰度共生矩阵的瑕疵特征，应用SVM实现了瑕疵分类，取得较好的检测和分类效果。针对较难检测的轻微瑕疵，本文又单独研究了一种基于平稳小波变换(SWT)和非下采样方向滤波器组(NSDFB)的瑕疵检测算法，将多尺度分解和多方向分解在两个步骤中独立的进行，允许在不同的尺度上选择分解不同的方向数，提供了一种灵活的多尺度和多方向展开，应用SVM构建二分类模型，实现瑕疵分割。