人民生活水平的日益提高促使着纺织品印染行业的快速发展，精确的颜色质量控制则显得尤为重要。采用计算机视觉代替人眼进行纺织品色差的智能评定成为相关高校及科研机构的研究热点。在基于计算机视觉的染色品色差检测系统中，需要解决的问题主要包括：待测图像的采集、颜色特征的提取及建模、染色品颜色的自动分类以及图像的光照校正等。本论文的主要研究工作和结果如下：（1）染色品色差检测中特征的提取及建模的研究。如何建立一个鲁棒而有效的颜色特征模型是检测系统能否进行实际应用的关键。本文研究了颜色及纹理特征融合模型的建立，阐述了此模型的性能评价方法：鲁棒性和适应性。提出两个重要的检验指标：漏报率和误报率，为色差检测系统的实际应用提供了重要的数据模型。（2）提出了一种基于LBP-LAB-GRA多维特征的Morlet小波核支持向量机(MWSVM)自动分类算法。为了对采集的样本数据进行较好地自动分类，文中比较与分析SVM、基于级联弱分类器的AdaBoost，以及小波分析与SVM的结合(MWSVM)等分类算法，并将提出的算法用于染色品色差质量的判别分类。试验结果表明：该模型对染色品特征数据具有较好的分类效果，可以实现染色品色差的自动化评价，并且对色差检测时光照不一致的情况具有较好的鲁棒性。（3）将基于小波理论的光照校正算法引入到染色布匹的光照不均校正中。染色品表面若受到光照不均等因素影响，会引起表面颜色及纹理的模糊，造成检测结果不理想。基于直方图线性拉伸的光照校正算法可以对全局的亮度进行校正，但是需要对线性映射函数进行设置，参数的选取至关重要；基于直方图均衡的光照校正算法虽然无需设置参数，但对于纯色布匹的校正效果较差，会将本来相近的颜色转换得色差变大，与人眼的实际感觉有差别。而基于同态滤波器的光照校正虽对纯色布匹有较好的校正效果，但对于非纯色的布匹，将在一定程度上损失其表面纹理特征从而引起图像失真。本文提出的基于小波理论的染色品校正算法可以很好的检测物体表面的纹理特征，在亮度校正的前提下，避免纹理信息的丢失，显著地改善了图像质量。