为了提高纺织工业产品的可靠性以及重现性，对织物外观特征进行客观评价起着越来越重要的作用，比如疵点、起球、组织结构、色差以及粗糙度等等。本文采用数字图像处理技术开展对织物疵点自动检测和分类、织物起球客观评级体系以及织物组织结构识别及分类等三个方面进行了基础理论的研究，所取得的主要研究成果为：1.提出一种基于改进的Gabor滤波方法、数学形态学处理法和多尺度小波检测的方法库的系统检测法.首先采用改进的Gabor滤波方法，选出最优滤波结果，进行高斯平滑，确定出正常织物图像的两个阈值门限，进而分割出织物的疵点图像；其次采用形态处理学的处理方法对织物图片进行检测；最后采用了多尺度小波检测的方法，检测最终结果。2.提出一种基于局部二进制模式与Tamura纹理特征方法相结合的织物疵点分类算法。该算法主要完成的任务是对织物特征向量的提取，局部二进制模式从局部或像素邻域描述纹理的特征，Tamura纹理特征方法从全局描述疵点纹理特征，两者结合能更好的描述疵点纹理特征。完成特征向量提取后，选用共轭梯度BP算法来处理特征向量。共轭梯度BP算法收敛性较好，提高了训练速度和训练精度。实验结果表明，提出的算法对疵点较高的分类准确率。3.印花织物分为周期印花织物和无规则印花织物，在周期印花织物检测中，基于织物图案信息的周期性，规则带通过设定移动窗口，计算移动窗口的能量和方差，以无疵点的织物图像的能量和方差作为阈值，由计算的能量和方差值来检测疵点。在无规则印花织物检测中，通过遗传算法选择Gabor滤波器的参数，最优参数构造的Gabor滤波器匹配最佳检测织物纹理，从而提取织物的有效信息，达到分割织物疵点的目标。4.基于二维离散小波变换和局部二值模式的织物起球客观评价方法。起球特征向量是由提取小波分解后尺度4-6的细节子图像在三个方向（水平、垂直、对角）上的小波能量值和将小波重构尺度3-6细节子图像的重构图进行LBP变换提取其特征值组成。特征值经过归一化处理后通过主成分分析（PCA）来降维，处理后的特征值作为支持向量机（SVM）的数据输入为织物起球等级分类。5.提出了一种自动及实时的分类方法分析三种机织物即平纹，斜纹和缎纹组织。首先，用灰度共生矩阵和Gabor小波方法提取特征值。用主成分分析方法处理纹理特征向量获得最小冗余及最大主成分的特征向量。在分类过程中，应用概率神经网络分类三种基本机织物。实验结果表明有快速的训练速度的概率神经网络分类器能够精确及有效的分类机织物。比较灰度共生矩阵和Gabor小波两种方法，融合两个特征向量获得了最好的分类结果（95%）。