织物的防水透湿性不仅影响穿着舒适度,而且是指示防水织物优劣的重要指标,因此评价织物防水透湿性能即沾水性能成为纺织品检验领域内的一项重要内容。人工标准样照对比法是目前常用的沾水等级评定方法,主观性强且重复性差。为增强织物沾水等级评定的客观性,对织物沾水图像进行研究分析,利用数字图像处理技术对织物沾水度进行自动等级评定具有十分重要的意义。本文主要做了以下工作:（1）选择保持对比度算法对沾水图进行灰度化预处理,使沾水区域和背景区域之间保持对比度差异,防止提取沾水区域过程中产生过分割现象,然后应用自适应直方图均衡化使沾水图背景区域不产生过多噪声或阴影。针对目前织物沾水等级评定方法不能有效消除噪声和减弱光照不匀影响,提出对L₀梯度最小化平滑方法引入拉普拉斯降维解决上述问题。首先根据织物沾水图像的边缘信息,对图像中的像素值沿x、y方向求梯度,利用非零梯度个数约束整体平滑程度,并保持边缘不被平滑;然后把图像转化为CIELab模式调整L分量消除光照影响,并计算邻域内颜色相似度;由拉普拉斯特征映射理论计算其广义特征向量,对生成的颜色平缓过渡图像进行快速傅里叶变换得到平滑近似图;最后使用模糊聚类算法对去噪后图像进行聚类分割。实验结果表明,该方法能够有效实现织物沾水图像的去噪处理,达到预分割效果,得到准确分割的织物沾水区域。（2）由于提取出的沾水区域形状不尽相同,为了适应本文的沾水图像等级分类任务,需先对只含沾水区域的分割图利用SIFT提取描述子,然后根据码书由稀疏编码方法得到编码系数,再进行多尺度最大化聚集编码系数得到特征向量。针对稀疏分布的顽固点状反光噪声,本文提出的平滑算法不能完全去除,即由分割图提取到的特征向量包含噪声。因为分割图具有低秩性,同时其特征向量能通过字典稀疏表示,为了使判别性字典中的原子更加纯粹,对能表示特征向量的编码系数进行低秩约束。在更新判别性字典时,对子字典和编码系数增加所属类别标签约束。利用增广拉格朗日乘子法求解字典的编码系数,由SVD分解求解字典原子,最后得到判别性字典。实验表明,本文对分割图的特征向量应用低秩约束得到的判别性字典,在进行沾水等级判定时准确率能达到96%。