本文应用自适应正交小波变换对基于计算机视觉的织物疵点自动检测进行了系统的研究。论文涉及织物自适应正交小波的构造，织物纹理图像的自适应正交小波分解，子图像内的特征值提取以及根据特征值异常进行疵点检测等主要内容。现将论文各章内容简要介绍如下： 引言部分简要介绍了论文的选题背景。 第一章概述了国内外有关基于计算机视觉的织物疵点自动检测的研究现状。分别介绍了在时域处理图像的疵点检测方法和在频域处理图像的疵点检测方法。后者又重点介绍了以傅立叶变换、小波分析等为主要手段的织物疵点自动检测方法。文中还提及某些发达国家在一定的前期研究积累基础上已有可供工业化应用的织物疵点自动检测产系统推向市场，而国内在该领域的研究尚处于实验室阶段。 第二章对小波分析方法作了简介。文中简要介绍了小波理论的发展简史，傅立叶变换、短时傅立叶变换、连续小波变换及离散小波变换等。文中还从工程应用角度重点介绍了多分辨率分析与正交小波变换的基本理论，包括多分辨率分析、二尺度方程及多分辨率滤波器组、正交小波变换快速算法及正交小波基构造等内容。这些基本理论为本文应用计算机视觉自动检测织物疵点提供了重要的理论工具。 第三章介绍了织物图像的正交小波变换，即正交小波分解。论文在讨论比较Mallat小波分解、多尺度完全小波分解和树形结构小波分解的基础上，提出了自适应正交小波单层分解织物图像的方法，这种分解方法使分解后的子图像能较好地反映织物的经向和纬向纹理信息，并具有计算速度快，能将织物的经向和纬向纹理信息分开处理，从而使织物纹理细节更为突出，有利于疵点快速检测等优点。 第四章详细讨论了织物自适应正交小波的构造方法。自适应正交小波可以通过一次求解同时包含正交条件与逼近条件的代价函数极值的方法进行构造，但计算工作量很大。本文为压缩计算工作量，提出了分步满足正交条件和逼近条件的构造自适应正交小波的新方法，即对某一设定长度的正交小波，先根据正交条件建立一个小波库，再以织物图像正交小波分解后的高通子图像能量最小为逼近条件，应用遗传算法和渐近迭代算法在小波库中搜索最优小波，这一最优小波定是全库最优解，且是与织物纹理匹配最好的自适应正交小波。本章最后还就织物纹理图像分解及疵点检验效果等方面对织物自适应正交小波与非自适应正交小波进行了比较，实验结果证明，前者的效果明显好于后者。 第五章讨论了织物纹理特征值的提取和特征值提取中图像分割的窗口技术。本文提出以能量、方差、嫡、极差和对比度作为综合反应织物纹理畸变的特征值指标。通过计算直方图均衡化后的图像自相关函数来确定图像分割的窗口大小，以使每个窗口恰好反映织物的一个纹理单元，这有利于疵点检测时的定位。另外，本文还对特征值进行了归一化处理，以便在统一度量下考察5个特征值对疵点的响应强度。最后，本文还提出了为防止疵点漏检，应把待检织物图像经过5个特征值逐一“过滤”的判断方法，只要有任何一个指标出现异常，即可认为该窗口内含有疵点。 第六章讨论了在前面三、四、五章相关技术集成的基础上对织物疵点实施自动检测的全过程。文章详细介绍了疵点检测的实验装置、疵点检测的技术流程以及对竹节、双纬、缺纬、断经、双经、吊经、经缩、破洞、杂质、稀密路、油污等常见织物疵点的检测结果。实验结果证明，基于织物自适应正交小波的疵点检测方法是可行的，应用多个特征值逐一过滤的判断方法是有效的，整个检测方法可以应用于疵点的实时检测。本文还就疵点自动检测方法在实际应用中的若干关键技术问题进行了分析和讨论。 第七章对全文进行了总结。介绍了本文的主要贡献和不足，对进一步的研究方向提出了建议。