缺陷检测是纺织品工业生产的关键环节。人工方式的纺织品缺陷检测,其检测效果严重依赖于检测者的主观经验、注意力和判断力。在现代纺织品工业生产中,纺织品缺陷自动检测正在逐步取代人工检测。目前的检测方法主要是利用纺织品图像的二阶统计特性对缺陷进行检测。这种方法并未考虑到纺织品图像在图像空间及变换域中的非高斯统计特性,检测率较低。为解决这一问题,本文从纺织品图像的非高斯统计特性出发,研究提出了一种新的有效的纹理缺陷检测方法,并应用于具体的纺织品缺陷检测中,从而完善了纺织品自动检测技术,为纺织品提供快速、准确的缺陷检测效果。本文的主要研究内容如下:1.针对纺织品图像在图像空间及其变换域的非高斯统计特性,结合独立分量分析(Independent Component Analysis, ICA)算法及小波变换(Wavelet Transform, WT),提出了基于非高斯统计特性的纺织品缺陷检测方法,并将其应用于实际的纺织品图像样本检测中。2.研究分析了各种高阶矩对非高斯特性的描述能力,结合L—矩的鲁棒性,提出了一种新的基于L-矩的纺织品图像描述方法。克服了常规矩对外界干扰敏感的弊端。3.针对纺织品图像样本表面附着灰尘、细小绒线及其在采集过程中,受到光线不均匀、成像噪声等外界干扰,造成图像纹理结构模糊不清,本文采用纹理增强算法对图像进行预处理,增强图像缺陷区域与背景区域之间的纹理差异,提高了缺陷检测率,进一步完善了基于非高斯统计特性的纺织品缺陷检测方法。实验结果表明:基于非高斯统计特性的缺陷检测方法检测正确率平均达到95%以上,明显优于传统的缺陷检测方法。