织物起毛起球是指织物在穿着、洗涤过程中由于摩擦在其表面产生绒毛和颗粒小球的现象。织物表面起毛起球不仅破坏织物外观,还会恶化织物触感,影响织物的服用性能,因此织物的抗起毛起球性能是评价织物质量的重要指标之一。现有的基于标准样照比对的织物起毛起球等级评定方法,评定过程依赖于检测人员的视觉判断,具有较强的主观性和随机性等缺陷,为了实现织物起毛起球评级的客观性和可靠性,本文提出基于数字图像处理的方法实现织物起毛起球等级的自动评定,进而构建织物起毛起球自动评级系统。本论文的主要研究内容包括：起毛起球识别过程中织物结构纹理检测；基于傅里叶变换的织物起毛起球信息提取；基于时域Gabor变换的织物起毛起球分析；基于频域Gabor滤波方法的织物起毛起球分析；织物起毛起球的特征参数分析及评级方法的研究；织物起毛起球自动评级系统的构建。第一章简要介绍了论文的选题背景及意义。首先介绍了常用模拟织物起毛起球的方法以及现有的起毛起球性能的评价方法,然后概述了国内外有关基于计算机图像处理技术的织物起毛起球评级研究现状,最后分析了现有的基于图像处理的织物起毛起球评级研究中的不足,并阐述了本论文的研究目标、研究内容和主要创新点。第二章主要介绍了起毛起球识别过程中织物结构纹理的检测方法。文中首先介绍了相关的织物结构参数的含义,在分析这些结构参数与织物起毛起球图像构成关系的基础上,确定织物密度和织物组织循环数作为影响织物纹理的主要结构参数。对于织物密度的自动检测,首先给出了利用灰度投影法检测织物密度的过程,为了消除噪声信号的影响,对织物的傅里叶变换频谱图进行分析,提出在频域内选定代表织物经纱周期和纬纱周期的信号进行滤波,实现经纬纱的分离。然后再对分离后的子图像利用灰度投影法实现经纬纱的定位和密度测量。对于织物组织循环数的检测,首先利用织物密度的检测结果,将织物图像按照纱线的位置进行分离,然后沿着纱线纵向投影获得纱线表征信号,通过检测不同纱线灰度信号的相关性,得到织物组织循环数。第三章给出了利用傅里叶变换方法在频域内实现毛球信息提取的方法。文中首先介绍了织物图像上的灰度投影规律,根据纱线上亮度信号符合正弦分布的特点,提出利用傅里叶变换对织物图像进行处理,滤除织物周期性纹理信号；然后介绍了基于平板扫描仪采集起毛起球织物和样照图像的方法,并对GB/T4802.3中光面精梳毛机织物起毛起球标准样照图像进行了分析,从傅里叶变换的幅值谱中选择代表织物周期性纹理的信号,结合阈值法滤除织物纹理,再利用低频保留的方法对织物毛球信息进行增强,扩大毛球与背景的反差；最后利用基于局部增强的Otsu阈值方法对织物毛球进行自动分割。五个等级的织物起毛起球标准样照中的毛球分割实例证明基于傅里叶变换的方法可以实现毛球的自动提取。第四章提出采用时域Gabor滤波的方法对起毛起球织物图像进行了分析。文中首先介绍了Gabor变换的含义,给出了所采用的二维时域Gabor滤波方法；然后结合典型的Gabor滤波器,对Gabor滤波器的参数,包括方向参数、比例参数、频率参数、尺度参数以及滤波器窗口大小的选择方法进行了分析,其中滤波器窗口大小须根据织物组织循环区域确定；接着根据Gabor滤波器的频率参数和方向参数,建立了16个Gabor滤波器组成的Gabor滤波器簇。为了得到理想的Gabor滤波结果,讨论了最优Gabor滤波器的选择标准和Gabor滤波结果的融合方法,考虑到毛球分布具有多方向性的特点,提出将同一频率参数对应的多方向滤波结果进行融合。在Gabor滤波和融合结果的基础上,提出利用图像均值和标准差构建双阈值的方法对滤波结果进行阈值分割,从而定位毛球。最后对不同等级的起毛起球织物图像进行Gabor滤波,实际滤波效果证明运用Gabor滤波方法可以实现织物结构纹理的滤除,同时能对毛球信息增强。对于在滤波处理后的图像中,只要利用简单的阈值方法就可以实现毛球的准确分割。第五章提出采用频域Gabor滤波的方法对起毛起球织物图像进行了处理。文中首先介绍了频域Gabor变换的含义,并对频域Gabor滤波方法进行了叙述；接着给出了频域Gabor滤波器的实现方法,讨论了频域Gabor滤波器参数,包括尺度参数、比例参数、坐标参数对频域Gabor滤波器性能的影响,并给出了选取各个参数的基本原则；为了得到理想的Gabor滤波结果,首先利用不同的Gabor滤波器对织物图像进行滤波,根据滤波结果提出将同一尺度的各方向滤波器进行融合,以消除滤波结果中毛球信息具有方向性的特征；再分别根据峰点滤波和织物密度检测结果,给出了用于织物起毛起球提取的Gabor滤波器选择方案。在滤波结果的基础上,提出基于局部窗口的阈值方法进行织物毛球分割。最后对不同等级的起毛起球织物图像和实际起毛起球织物图像进行频域Gabor滤波,实际滤波效果证明运用频域Gabor滤波方法可以实现织物结构纹理的滤除,并对毛球信息增强。与时域Gabor滤波的方法相比,基于频域Gabor变换的方法中,可根据织物结构参数便捷的选择滤波器参数,达到更好的滤波效果,实现织物毛球信息的准确提取。第六章介绍了表征织物起毛起球程度的特征参数及其织物起毛起球评级方法,并构建了起毛起球评级系统。首先在毛球分割的基础上,结合统计方法完成起毛起球特征参数的提取,选择了毛球面积参数、毛球总数、毛球平均密度等作为起毛起球等级评估的标准,然后在分析各参数与起毛起球等级之间关系的基础上,选择毛球总面积参数作为起毛起球等级评定标准。为了消除图像放大倍率的影响,最终采用毛球总面积所占比例作为毛球总面积指标。根据不同等级样照上的毛球总面积比例指标,提出两种方法实现起毛球等级的评定,第一种方法是采用插值法确定不同等级之间的分界值,然后根据实际织物的毛球总面积比例确定起毛起球等级；第二种方法是利用拟合方法得出毛球总面积比例与起毛起球等级之间的函数关系,然后根据实际织物的毛球总面积比例数值直接计算出起毛起球等级。在本章的后一部分构建了起毛起球评级系统,该系统选择德国Basler公司IEEE1394接口SCA 1600型工业相机作为图像采集的硬件,采用Visual Basic 6.0和美国国家仪器公司的IMAQ插件作为软件来构建织物起毛起球自动评级系统,实现了整个起毛起球评级系统的各项功能,并提供了软件的参考界面。第七章对全文进行了总结和展望。介绍了本课题研究的主要贡献以及所存在的不足问题,对织物起毛起球自动评级的进一步研究提出建议。