疵点是影响无纺布质量等级的最主要因素,疵点检测是其质量管理的重要环节。传统的布匹疵点检验依靠人工主观判别,缺乏检验的一致性和可靠性。随着现代工业发展对无纺布质量和产量需求的日益增长,人工检测的精度和速度均不能满足要求,基于机器视觉的疵点检测技术已经成为了研究热点和发展趋势。本文基于实际的应用课题,针对图像采集过程中背景灰度不一致问题,采用灰度均值规范化和同态滤波的预处理方法消除光照不均的影响。针对检测系统实时性和准确性要求,本文采用了一种分层检测的算法结构,首先采用实时性较好的灰度共生矩阵方法判别疵点,再对疵点图像进行二维Gabor滤波特征提取和分离。共生矩阵的方法能够判别出明显疵点,但不能分离疵点且对隐性疵点判别力不足;Gabor滤波算法的检测准确性和通用性更好,但实时性不足。针对Gabor滤波检测算法实时性不足的问题,本文采用了两个方面的优化方法:(1)在算法实现时只取复数Gabor滤波器的实部与图像进行卷积,并将二维卷积分解成两个不同方向上的一维卷积运算,该方法仍能有效检测出疵点,同时降低了算法复杂度,减少了计算量;(2)利用GPU(Graphics Processing Unit)高性能并行计算平台实现基于分离卷积的二维Gabor滤波方法,并对该方法在CUDA(Compute Unified Device Architecture)上多种实现方式的实时性进行了研究。对比实验表明,使用共享存储器最优化实现效率最高,可以达到8~20倍的加速比。最后,本文从硬件和软件两个方面简述了疵点检测系统的结构与实现,并对全文工作进行了总结,同时提出了目前研究存在的问题及下一步工作方向。