目前在纺织行业中，织物面料的分析与识别主要还是凭经验或借助专业工具来完成的。这种由专家人工进行的织物面料组织结构参数的分析和提取虽然具有权威性，但是操作要求高，不易掌握。同时分析与识别的时间周期也相对较长且分析过程单调而乏味，因此，有必要研究代替人工对织物面料的纱线参数、组织编织结构进行有效自动检测与分析的算法和技术路线。本文研究了利用图像处理与模式识别技术对织物面料进行自动参数分析和组织结构识别的方法，提出了织物面料自动识别的流程与技术路线，讨论了怎样的织物图像的获取与预处理才能有效的反映织物的特征信息和参数。然后通过分析织物图像亮度分布的特点，给出测算经纬纱密度、经纬纱线细度的算法：利用小波变换对机织物透射图像进行离散小波分解，获得反映织物经向与纬向信息的分解子图，再对分解子图进行二值化、平滑化处理，去除织物变形和图像录入误差等带来的影响，得到反映经、纬向纱线分布情况的二值化图，再通过计算得到纱线的经、纬密度和纱线平均直径。并将它们的计算结果与手工测量结果进行了比较和分析。本文提出了织物组织结构识别的流程：首先通过分析图像在水平、垂直方向的亮度变化规律，确定纱线的交替处，从而确定组织点位置；然后由自相关函数求出基本循环单元的大小，提取出基本循环单元；再对基本循环单元中的组织点进行分类，提出了二次聚类的方法：先根据不同位置组织点亮度变化规律的不同进行预分类，然后在后处理中通过对基本循环单元进行边缘提取，确定在同一浮长线上的组织点，对预分类结果进一步聚类得到经纬组织点的分布情况；最后由组织点分布情况绘制出织物组织结构图。对包含不同组织结构的复杂织物的结构识别问题，本文提出了先对织物图像进行纹理分割，分割后可以得到单一组织结构的块、不同块在织物中所占的比例和位置，进而可以对各块采用单一织物组织的识别方法加以研究。本文分别研究了织物灰度图像和彩色图像的不同纹理分割方法，对灰度图像采用基于纹理谱的纹理分割方法；对彩色图像，在颜色聚类的基础上，综合颜色和空间信息进行分割；两种方法都得到了较好的分割效果。本论文所提出的上述技术路线和算法，都得到了可行性的验证，取得了较好的效果，在该领域具有一定的理论意义和较大的参考价值，特别在对于织物组织结构的识别上具有一定的突破性，对于复杂织物的纹理分割算法也具有较好的实用价值。