研究表明字典学习方法可对机织物纹理有效地表征,但不能同时对多种纹理进行判别性地分类表征,且忽略了纹理间的共享信息。因此本文提出了一种判别共享字典学习方法（DSDL）,用于对机织物纹理进行分类表征。对判别字典,将Fisher辨别字典学习中的约束施加给它,即施加了最大化类间相关性约束和最小化类内相关性约束;对共享字典,施加低秩约束和相似性约束,也就是说它的生成子空间应该是低维的,并且与该字典对应的系数是相似的。利用我们开发的算法解决学习中的子问题,加速其收敛。基于该算法构建了判别共享字典机织物纹理表征模型,该模型能从多种类别织物中学习到具有判别特性和共享特性的字典,因此能够同时并且具有判别性地对多种机织物纹理进行分类表征。此外,本文提出了综合表征指标,来评价判别共享字典对多种机织物纹理分类表征的效果。本文主要研究内容如下:（1）本文提出了一种判别共享字典学习方法。通过施加约束条件,利用本文开发的DSDL算法,训练机织物纹理图像,得到判别字典和共享字典。（2）基于DSDL算法构建了判别共享字典机织物纹理表征模型,以平纹、斜纹及缎纹织物为样本,采用判别字典对机织物纹理进行重构,验证该模型分类表征纹理的有效性。实验结果表明,这种新的方法可以得到具有判别特性和共享特性的字典,能够用来学习多类对象的类特征和共享特征,能够同时且具有判别性地对多类织物纹理进行分类表征。（3）采用有重叠的方式选取子窗口样本,在保证重构质量前提下对DSDL机织物纹理表征模型参数进行优选,包括优选最佳正则项系数、子窗口大小及判别字典个数。最终表征模型参数选为:正则项系数均为0.001,子窗口大小选为64像素×64像素,判别字典原子个数选为40。（4）研究不同密度的机织物对基于DSDL机织物纹理表征的影响。以平纹、斜纹、经面缎纹、纬面缎纹、方平、复合斜纹、菱形斜纹、蜂巢8种织物组织作为样本,每种织物经（纬）密均在225～350根/10cm之间,以判别字典作为学习字典对机织物图纹理像进行重构。以综合表征指标作为织物纹理重构的评价指标,实验结果发现,在一定范围内,织物密度越高,表征效果越好,但当织物密度足够大时,纹理信息就变得复杂,纹理表征效果也就变差。（5）研究不同组织结构对基于DSDL机织物纹理表征的影响。首先采用DSDL算法分别对4种不同织物组织类别数进行重构,结果发现,随着织物组织种类的增加,表征效果越差;然后使用判别字典对平纹、斜纹、缎纹、加强斜纹、芦席斜纹、复合斜纹、加强缎纹、花式方平组织、方格组织、透孔组织、绉组织、蜂巢组织、横凸条组织、浮松组织、灯芯条组织15种组织的纹理图像进行重构,讨论组织结构的变化对纹理表征效果的影响。以综合表征指标为评价指标,实验结果表明,表征效果好坏次序分别是:平纹>加强斜纹>芦席斜纹>花式方平组织>透孔组织>灯芯条>复合斜纹>加强缎纹>方格组织>纬面缎纹>斜纹>蜂巢组织>横凸条组织>绉组织>浮松组织,分析表征结果可得到结论:影响织物纹理复杂度的因素主要有组织循环大小、浮长线和纹理规则度,组织循环小、浮长线短且交织紧密和纹理规则度好的组织结构表征效果较好。