机织物结构参数包括经纬纱特数、密度和织物组织,色织物还包括色纱排列参数。在纺织工厂,除经纱和纬纱的特数确定通常采用取样称重、计算而得,其他参数目前仍依靠专门的检测人员在放大镜等辅助设备的帮助下分析完成,这种人工分析机织物结构参数的方法不仅耗时费力、效率低下,而且检测结果会受到测试人员的主观因素影响,不同测试人员的检测结果可能出现较大差异。当前纺织生产已呈现小批量、多品种的发展趋势,纺织工厂需要一种快速、准确的机织物结构参数分析方法。为此,本文研究如何利用数字图像处理技术,实现机织物结构参数(不包含经纬纱线特数)的自动识别。本文的研究主要涉及以下内容:机织物图像的自动纠偏理论与方法;机织物经纬纱密度的自动识别;单色织物的组织识别;色织物的色纱排列、配色模纹图及组织的识别。现将各章内容简要介绍如下:第一章简要介绍论文的选题背景及意义。概述了国内外有关基于图像处理技术的机织物结构参数自动识别的研究现状。分析了国内外研究存在的不足,并提出了研究色织物结构参数自动识别的问题。第二章涉及机织物图像的采集方法和纠偏理论。就采集机织物图像的扫描分辨率、图像尺寸等参数选择进行了探讨。针对机织物图像采集存在着的偏斜问题,给出了自动纠偏方法。第三章实现了机织物纱线密度的自动检测。首先按照织物中色纱组成将织物分成单色织物、单系统多色织物和双系统多色织物等三种类型,分别采用不同的方法完成三种织物密度的自动测定。对于单色织物,基于Hough变换完成织物中纱线偏斜角度的自动检测,并利用灰度投影法完成织物图像中纱线的自动定位,从而实现单色织物纱线密度的自动检测;对于单系统多色织物,利用FCM算法在Lab颜色空间下对织物进行分色,使得截取的子图像中只含有一种或两种颜色的纱线,进而实现单系统多色织物纱线密度的自动检测;对于双系统多色织物,利用彩色梯度图像对纱线的边缘信号进行增强,并采用灰度投影法和互相关分析法完成双系统多色织物纱线密度的自动检测。第四章涉及单色织物组织的自动识别。首先基于纱线分割结果完成组织点的定位,提取每个组织点的灰度均值及其方差特征,灰度共生矩阵的能量、熵特征,利用FCM算法结合上述特征参数对组织点进行初步识别。然后以组织点的初步识别结果为基础,提出采用BP神经网络和组织数据库两种方法完成织物组织的最终识别,分析实例表明两种方法都有着较好的织物组织识别效果。第五章实现了色织物配色模纹图的自动识别。在识别过程中,首先利用双系统多色织物密度检测的方法完成纱线和组织点的定位,提取每个组织点的颜色特征,然后基于FCM算法完成色纱数目的自动提取和组织点的颜色分类,最后基于组织点的颜色分类结果得到色织物的配色模纹图。第六章涉及色织物的色纱排列参数和组织的自动识别。给出了两者识别方法,方法一是基于色织物图像直接识别出色纱排列参数,首先利用FCM算法,在Lab颜色空间下对色织物图像进行自动分色,然后遍历分色后的子图像,判断出每根纱线的颜色,得到经纱和纬纱的排列参数,完成经纬色纱周期的自动提取,得到色纱排列参数。方法二是基于配色模纹图识别出色纱排列参数识别,分别采用遗传算法和逻辑分析法完成基于配色模纹图的色纱排列参数的识别。在完成配色模纹图和色纱排列参数识别后,利用色纱排列、配色模纹图和织物组织之间的关联性,自动求解出组织点经纬属性,实现色织物组织的初步识别,再利用组织数据库方法完成色织物组织的最终识别。第七章对全文进行了总结和展望。给出了本文的主要进展及存在的问题,对基于图像处理的织物结构参数识别的进一步研究提出了建议。