布匹疵点检测是纺织行业生产和质量管理的重要环节之一,目前人工检测速度慢,劳动强度大,受主观因素的影响,缺乏一致性和可靠性。随着计算机视觉技术的发展,在工业表面检测领域有了越来越多的应用,基于机器视觉的检测系统己成为布匹检测未来发展的必然趋势。随着大规模集成电路的发展,研究性能优越的检测与识别算法成为该系统的关键。本文研究了织物缺陷检测国内外研究现状,在前人研究工作的前提下,针对织物的纹理特性,提出了一种快速有效的织物表面缺陷检测与识别算法。本文工作主要有以下几个部分组成:首先,为了增强图像对比度,对织物图像进行直方图均衡化;平滑去噪过程中,针对传统的的Top-Hat算子因为其结构单一,只对小于其结构元素的结构和目标有效,给出一种改进的Top-Hat算子。首先选择一个结构元素,使其略大于疵点大小,然后先对原图像进行开运算,得到的一副近似于背景的图像;再选择一个结构元素,使其远小于疵点尺寸,然后再对原始图像进行开运算,疵点的信息被很好的保留了。最后求取两次结果的差值。考虑到含有缺陷的织物图像较少,研究了如何快速判定图像是否含有疵点。首先通过能量值法和灰度直方图法的分析对比,确定一种疵点图像快速检测方法。并提出一种基于改进的LBP算法的织物疵点检测定位方案,对图像进行分块,然后求取每块图像的改进的LBP特征,通过SVM分类器判别图像块是否含有缺陷。对检测到含有缺陷的图像,先利用自相关函数和FFT找出织物经纬结构的重复单元,并以其为依据,用形态学中腐蚀背景和膨胀目标的方法检测图像中的缺陷信息,最后再一次采用开运算对噪声进行进一步的消除,从而更加突出缺陷。分别提取分割后图像的形状特征、纹理特征,构建织物缺陷图像分类的BP神经网络,利用训练样本特征对BP神经网络进行训练,然后根据训练后的BP神经网络对测试样本进行识别。实验仿真结果证明,提出的算法能快速检测含有缺陷的织物图像,并能较好的分割出疵点,提取的特征能较好的代表疵点特性,取得了很好的分类效果。