色织物的瑕疵点检测作为纺织企业保证纺织品质量一种重要方式,传统的人工检测方式存在检测速度慢、检测精度低、主观性强等缺点,因此,基于机器视觉的色织物瑕疵点自动检测系统的研究对纺织工业自动化进程的推进具有十分深远的意义。本文研究的内容主要包括色织物纹理周期自动提取算法、色织物瑕疵点自动检测算法、色织物瑕疵点自动分类算法以及基于机器视觉的色织物瑕疵点自动检测系统。具体研究工作如下:(1)针对色织物纹理周期自动精确提取问题,提出基于累加距离匹配度函数及其一阶前向差分的色织物纹理周期自动提取算法。实验结果表明:基于累加距离匹配度函数及其一阶前向差分的方法可以快速、有效、精确地自动提取近似规则的色织物纹理周期,且具有良好的通用性、抗畸变和抗噪声能力。(2)针对色织物瑕疵点检测问题,提出基于色织物纹理周期自动提取和局部二值模式相结合的检测算法。色织物纹理周期自动提取算法自适应地决定了检测单元格的尺寸,提高了检测精度,局部二值模式LBP具有光照不变性和旋转不变性,增强了方法的鲁棒性。此外,色织物纹理周期自动提取算法和局部二值模式LBP都具有计算复杂度低的特点,保证了瑕疵点检测算法的实时性。实验结果表明:该算法对于检测常见色织物瑕疵点,性能表现良好。(3)针对色织物瑕疵点分类问题,提出基于色织物瑕疵点几何特征和纹理特征相结合的组合特征作为随机森林分类器的输入。通过过滤和去除与瑕疵点区域不相关的正常区域的信息,基于色织物瑕疵点的二值图像和纹理图像被用来提取色织物瑕疵点的组合特征参数。根据色织物瑕疵点的二值图像,提取6个瑕疵点相关的几何特征参数;根据色织物瑕疵点区域的纹理图像,提取2个色织物瑕疵点相关的纹理特征。将两者特征组合,并做归一化处理作为随机森林分类器的输入特征参数,基于随机森林分类器分类结果的不确定性,对相同的特征输入,进行10次随机森林分类实验,取10次分类结果的平均值作为随机森林分类器的分类率,获得的分类率为83%,对分类错误的情况进行分析发现,实验中选取的组合特征可以有效的反应多网瑕疵点,稀路瑕疵点和密路瑕疵点,对于断头瑕疵点和破洞瑕疵点,组合特征描述算子有待改进。(4)在实验室环境下,结合软件工具和硬件实验平台,搭建基于机器视觉的色织物瑕疵点自动检测系统。实验结果表明,该系统可以对常见的色织物纹理类型以及常见的色织物瑕疵点类型进行检测,检测精度和可靠性可以保证工业生产的应用。