织物起球会严重影响其外观、风格和手感，并降低织物的服用性能，因此，织物的抗起球性能是纺织品检测的一项重要指标。目前常用的评定方法大都是主观方法，这些方法带有很大的主观性，评定结果会受到人为因素的影响，且不能对织物的起球程度作精确定量的描述。本课题采用数字图像处理技术，对起球织物样照，运用时下较新的小波分析理论、织物纹理能量算法及神经网络等方法进行处理、评级。探讨了运用数字图像处理技术对织物起球性能做客观评定和定量描述的方法，促使织物起球等级的评定向客观化方向发展。在运用数字图像处理技术对织物起球等级作客观评定的过程中，织物纹理滤除、毛球分割及毛球特征值的提取是实现织物起球等级评定的基础。本文主要针对织物纹理滤除、毛球分割、毛球特征值选取和神经网络评级这几部分进行了分析和研究。本文首先根据数码相机获取的起球织物样照的特征，对样照进行了初步的预处理，对样照的灰度直方图进行拉伸消除光照不匀，并对图像进行消噪处理，为后续图像处理奠定基础。在织物纹理滤除过程中，本文将小波分析理论与织物纹理能量算法相结合，对经过多尺度小波分解后的起球织物样照图像进行织物纹理能量梯度计算，并拟合其能量梯度曲线，根据能量梯度曲线自动获取最佳小波重构层次，继而对毛球图像进行精确的小波重构，从而得到织物纹理滤除后的毛球图像。在毛球分割过程中，本文分析比较了边缘检测算法、数学形态学分割算法及阈值分割算法的图像分割原理和分割效果，最终采用迭代阈值分割算法和数学形态学算法相结合的分割方法作为本文的毛球分割方法，并分割出完整的毛球二值图像。同时，对毛球二值图像进行特征参数提取，对提取到的11个特征参数进行归一化处理并将其与起球等级进行相关性分析，根据相关性系数选取毛球个数、毛球总面积、起球密度、毛球平均高度、毛球总体积、毛球平均体积和粗糙度这几个特征参数作为评估起球等级的指标。最后，本文研究了神经网络识别模式在起球织物等级客观评定中的应用，将选取的特征参数输入BP神经网络进行训练，并对实际起球织物样本进行测试，最终证明本文所采用的织物起球等级客观评定的方法是可行的。