随着我国经编产业的快速发展，新的产品不断开发，我国正由经编大国向经编强国的转变。但是现有的纺织生产和检测技术主要还是依靠人工完成，耗时耗力，主观性强。在一般的来样设计和检测花型是否走样的过程中，都需要将花纹提取出来。但在织物花纹的设计上，很多中小企业还停留在传统的意匠图法，已经不能满足现代化的发展要求，严重降低了我国经编行业在国际上的竞争力。本课题将计算机视觉和图像处理处理技术应用到纺织领域，期望实现织物花纹图案分割的智能化，从而提高织物花纹图案的设计效率。
　　本课题首先介绍了目前国内外的研究现状，对其研究方法进行了探讨分析。课题的主要的研究对象是贾卡经编织物花纹图案，由于经编贾卡织物表面一般会形成稀薄、厚实和网孔三种效应的织物图样，并通过三种效应以及压纱和衬纬的不同组合，从而形成不同纹理的花纹图案。通过深入研究织物的外观形态，着手探讨了织物的色彩和纹理识别技术，因此本课题主要是基于贾卡经编织物的颜色、纹理和空间特征来进行织物花纹的分割。
　　详细介绍了目前的纹理分割算法，针对经编贾卡织物花纹图案，提出了一种新的纹理特征提取方法，将双树复小波变换与能量矩阵结合起来描述织物图像的局部纹理。织物图像通过双树复小波变换后，其良好的方向选择性是进行纹理特征表征的一大优势。
　　本课题主要选择颜色、纹理和空间特征，并使用经典的PCA算法进行特征维的优化。在特征提取之后，并对织物图像建立高斯混合模型(GMM)，并提出基于EM算法的GMM织物花纹分割算法。本课题对此作出了详细的探讨，同时也是本课题的核心和创新之处。EM算法将花纹提取问题转换为参数最大似然估计问题，最后根据每个像素点属于不同高斯分布的后验概率的排序大小，将像素点归为其向量参数最大的后验概率值所在的类，继而对图像的每个像素点进行标注，从而完成对织物图像的分割。实验表明，该方法的图像分割效果良好，能很好的将织物花纹图案的各个层次提取出来，准确度高、速度快，具有一定的实用价值。