疵点检测是纺织品质量控制与质量检验过程中的重要环节。目前,国内纺织行业的织物疵点检测仍然是依靠人工目测,不仅检测效率低、准确率低,而且劳动强度大、人工成本高,因此,研究快速、准确率高的疵点自动检测技术非常必要。本文综合应用数字图像处理技术、小波分析方法和BP神经网络对织物疵点自动检测进行较深入的理论和实验研究。1、针对织物图像采集和传输过程中产生噪声问题,通过分析产生噪声特点、产生原因和现有去除噪声方法,确定以中值滤波法对织物图像进行有效的去噪处理。针对去除噪声处理造成的织物图像高频细节信息丢失问题,采用拉普拉斯算子对去噪后的图像进行锐化处理,使细节信息得到加强。2、将小波分析理论应用于织物疵点检测,应用Mallat算法对织物图像进行小波分解。根据织物的纹理周期特性,利用自相关函数法对分解后的经向子图和纬向子图进行窗口分割,分别提取经过分割窗口后的经、纬子图的能量、方差、极差、熵、逆差矩,共五个特征值,以归一化的特征值作为疵点识别与分类的依据。3、采用3层BP神经网络进行织物疵点自动识别与分类研究。对BP神经网络的结构特性、设计方法和训练参数的确定方法进行较深入分析。根据织物疵点识别与分类的特点,利用经验公式和实验分析,给出了BP神经网络输入层、输出层和隐含层神经元数的确定方法,以及层间传递函数的选择。采用平纹坯布为实验对象,分别对白杠、杂纤维、断纱、长残、掉扣、断涤丝、刮线、脏污、飞花和无疵点平纹织物等样片进行疵点自动检测实验。通过实验结果的分析比较,验证了本文中图像预处理、特征值提取和基于BP神经网络的织物疵点识别与分类方法的可行性和有效性。为进一步研究奠定了基础。