我国是纺织产品大国,纺织行业在我国国民经济中占据着举足轻重的地位。然而织物中瑕疵点对产品的质量造成严重影响,不仅给纺织企业造成经济利益损失,也严重影响了我国纺织品在国际中的竞争。采用机器视觉技术对纺织产品进行瑕疵点检测和分类,对提高纺织产品质量具有重要的应用研究价值。织物疵点自动检测和分类最关键部分是疵点分割、疵点标定和疵点特征提取,其结果直接影响检测和识别准确度。针对这些问题,本文展开了相关研究和分析,主要进行了以下研究工作:(1)为了防止采集的图像过暗或过亮,利用灰度对比度增强方法对样本图像做了灰度拉伸;针对样本图像中的噪声呈高斯分布的特性,利用高斯滤波对样本图像进行了去噪处理。(2)在织物疵点图像分割方面,首先对图像进行了均匀分块处理,然后对不同的二值化方法的疵点分割效果进行了比较分析,最后采用最大类间方差法作为疵点分割算法,取得了较好的分割效果。(3)针对疵点分割后二值图像中出现的小面积杂点,采用形态学处理和连通区域分析法对杂点进行删除处理,并实现了对织物图像疵点部位的标记。(4)根据织物疵点的局部特性,研究了 SIFT特征提取方法,并提出一种基于SIFT特征、K-means聚类和LDA主题模型相结合的分类方法,可以对几种常见类型的疵点进行较好的分类。(5)在Microsoft Visual Studio 2010编译环境下,结合OpenCV图像处理库,开发了基于机器视觉的织物疵点检测及分类系统。进一步通过实验分析,验证本文算法在疵点的检测、标记和分类方面的有效性。