提高产品质量和降低生产成本是纺织企业生存和发展的关键问题,织物疵点检测是控制产品质量的一个重要环节。由于织物表面具有强纹理特性且疵点并没有统一的严格定义的方法,因此织物疵点检测是一项极其艰巨的任务。织物是由经纱和纬纱按着一定规律编织起来的,其整体纹理由纹理基元(最基本的纹理元素)重复构成,因此织物纹理图像中的灰度在任意方向上都存在周期性,周期性信号反应在频谱中相应的频率点上就会出现较强的频率响应。织物疵点的产生将会破坏该处织物纹理原有的周期性,导致疵点处对应的频谱发生改变。因此可以利用频谱分析的方法来检测织物疵点。现有大量文献表明,Gabor滤波器、傅立叶变换和小波变换的多分辨率分析能力有利于布匹疵点检测。S变换是一种相对较新的非平稳信号时频分析方法,它是对短时傅里叶变换和小波变换的一种组合和扩展,能够清晰表达信号瞬时频率的变换特征及与时间之间的对应关系,且抗噪性较强,无交叉项干扰,同时具有计算简单和表达直观的优点。本文将这种较新的多分辨率时频分析方法——S变换引入到织物疵点的检测中,以织物图像为主要研究对象,挖掘织物正常纹理与疵点信号在频谱中的差异,探索织物疵点检测新的技术途径。主要研究内容包括：(1)提出一种基于灰度投影和一维S变换的织物疵点判别方法。因大多数疵点在织物表面上具有明显的经向和纬向取向,故对织物图像进行经纬向投影在很多情况下能够起到将异常值累加、突出疵点的作用。经过灰度投影后的图像数据变成一维数据。将投影后的一维信号进行S变换,考察S变换域内正常纹理和疵点的系数模值和频率特性,给出S变换系数选择依据,并进行系数累积,达到去除背景及噪声系数的目的,从而增强疵点。再利用自适应阂值进行疵点分割,进一步判别疵点存在与否。文中选取经纱断线疵点和纬纱断线疵点的织物图像样本进行算法验证,结果证明了算法的有效性。(2)提出一种基于本征频率和一维S变换的织物疵点分割方法。通过分析周期性模型信号在S变换域的系数特点,提出“本征频率”概念,进而将其引入到织物纹理图像分析中。根据S变换域正常纹理和疵点对应的本征频率差异,确定织物在S变换域内的频率阈值,去除高频信息后进行反S变换,由此达到去除规则性纹理的目的；进而采用自适应阈值对信号分割,提取疵点信息,完成织物疵点分割的任务；最后根据疵点面积特性判断疵点有无,得到最终检测结果。采用织物疵点样本进行算法验证,结果证明了算法的有效性。(3)提出一种基于二维S变换的织物疵点特征分析及检测方法。对于二维图像信号,将其转换成1维信号再进行S变换固然可行,但是缺乏考虑相邻行像素之间的相关性。由此首先利用二维S变换将织物图像从空间域转换到S变换域,考察分析频率阈值的设定,去除织物规则性纹理,剩下疵点和干扰部分；然后采用阈值分割,进一步分析判断疵点存在与否。实验结果证明了算法的可行性和有效性。最后,对全文工作进行了总结,对本文的主要研究成果进行了评述,并为进一步的发展研究指出了方向和思路。