1、在紡織品制造過程中，質量的檢測與控制是一項重要的操作步驟，而質檢過程中最核心的工序則是對紡織品瑕疵的捕獲與修復。目前，經由操作工人僅憑眼睛觀察來尋找瑕疵是大多數輕工業(yè)工廠的檢驗方式，這里面一直存在一些問題，比如這種工作方式的強度過大、漏檢誤檢率高，而且人工檢測受操作工的主觀因素影響相對比較大，因此無法保證更高的準確度，對工人本身的視覺也容易產生一定的損害。紡織品瑕疵檢測是目前計算機視覺領域內的一個研究熱點，在國內外已經有很多研究成果，但

2、是在有效性、實時性和適用性方面，目前的檢測技術還不能夠完全滿足實際生產的要求，需要進一步探索織物疵點檢測的新技術。在分析研究當前多種織物疵點檢測算法的基礎上，本課題所做研究如下:
　　 (1)詳細探討了疵點分類模式，主要包括基于幾何特征的疵點分類和基于紋理特征的疵點分類。此外還介紹了疵點檢測的系統(tǒng)軟硬件環(huán)境。
　　 (2)對織物疵點檢測方法進行了概括，主要包括基于空間域圖像處理的疵點檢測方法和基于頻率域圖像處理的疵點檢測

3、方法。同時也介紹了有關圖像的數字化及圖像構成原理、圖像預處理與圖像分割的基礎知識。
　　 (3)針對紡織品瑕疵自動檢測這一難題，本文根據紡織品圖像紋理的本身特征，從圖像紋理的周期性這個較為重要的視覺特征著手，結合紡織品瑕疵圖像及其所對應的無瑕疵標準圖像的像素灰度值特征，提出了經過改進后的基于紋理周期性分析的紡織品瑕疵檢測方法。基于周期性分析的紡織品瑕疵檢測過程為:預處理圖像一自相關函數的運算一基本單元模板的運算→瑕疵區(qū)域增強→構

4、造均值圖像→Otsu法分割→中值濾波→瑕疵定位等。
　　 (4)本文還給出了另一種紡織品瑕疵檢測方法，采用了Gabor濾波器模板。這是一種知名度非常高的算法，它能夠在時域與頻率域很好的進行紋理分析工作。人工視覺系統(tǒng)能夠被它以一組自相似的具有不同方向與尺度特征的Gabor濾波器組完美地進行模擬。另外，再運用二值化和數學形態(tài)法濾波進行圖像分割，完成紡織品瑕疵的檢測，并采用基于多通道Gabor濾波的瑕疵檢測方法，達到改進多通道信息融合