在纺织品自动化生产过程中,缺陷检测是保证其产品质量的重要手段。与传统的人工检测相比,采用计算机图像处理技术进行纺织品缺陷检测有着精度高、效率高的优势。在检测过程中,纹理特征提取的准确程度对缺陷检测算法的性能有重要影响。本文研究了纹理统计特征在纺织品自动化缺陷检测中的应用。本文研究的主要内容及创新之处在于：(1)研究提出了一种结合自适应中值滤波和灰度梯度共生矩阵的织物缺陷检测方法。在分析纺织品纹理属性的基础上,利用灰度梯度共生矩阵提取灰度和梯度两种图像信息,构成二阶统计特征,来有效地表征纺织品的纹理信息,再结合自适应中值滤波算法提高缺陷部分和背景纹理部分的可分离程度,进而提高织物缺陷检测的正确率。(2)研究提出了一种抗噪声多尺度的纺织品缺陷检测方法。针对MB_LBP(Multi-scale Block Local Binary Patterns)算子中方形邻在尺度拓展上的局限性,该方法使用BRINT_LBP(Binary Rotation Invariant Noise Tolerant Local Binary Patterns)算子来提取纺织品的纹理特征。BRINT_LBP算子以圆形邻域为基础在不同尺度下提取图像的纹理特征,该算子对噪声具有鲁棒性。通过级联,构成多尺度BRINT_LBP算子,结合SVM(Support Vector Machine)分类器完成检测。大量仿真实验结果表明此方法提高了纺织品缺陷检测正确率,并能在一定程度上抵抗噪声的影响。本文的研究工作和成果对促进纺织品缺陷自动检测算法的研究发展,具有积极的意义。