推进纺织业智能信息化建设不但是国家战略也是行业需求,其中织物疵点的智能自动检测是重中之重,占据重要地位。因其作为纺织业质量控制的重要环节,直接影响产品质量,关系到企业收益与国家GDP。传统人工检测由于工人的身体状况、主观性、技能熟练度等方面的差异往往无法长时间保持同一严格标准,因此有必要以客观的机械化自动检测装备代替。由于社会的进步和生产技术的升级,目前市面上的织物数量数不胜数,但根据织物的纹理差别可以将其分为平纹斜纹织物、周期性纹理织物、不规则印花纹理织物3大类。其中,平纹斜纹织物表面没有花纹图案,纹理相对简单,由于其出现较早,因此相关研究文献较多。而周期性纹理织物和不规则印花纹理织物是目前的研究重点。尤其是不规则印花纹理织物,由于出现时间不长,针对这类织物的疵点检测文献目前还比较少,但这类织物深受消费者喜爱,产量急剧上升,急需设计出对应的疵点自动检测算法。因此,本文针对周期性纹理织物和不规则印花纹理织物,设计基于低秩分解的疵点自动检测算法。本文主要研究内容如下:(1)针对传统低秩分解法导致的图像信息过度丢失和周期性织物弹性导致的歪斜问题,提出了一种基于Beta范数的改进低秩分解检测方法。首先,通过提取织物图的基元特征构造先验信息图。其次,采用Beta范数代替低秩分解中的核范数,并由先验信息图引导低秩分解方法对织物图进行分解,解决了传统低秩分解方法中核范数导致的图像信息过度丢失的问题。进而,提取织物图的方向梯度直方图(HOG)特征构造后验信息图,并将后验信息图和通过低秩分解得到的稀疏分量进行哈达玛乘积获得显著图,解决了织物弹性导致的歪斜问题。最后,利用最优阈值分割得到疵点图。(2)针对较复杂的不规则印花织物,提出了一种双稀疏低秩分解的疵点检测方法。首先,对印花模板织物图进行低秩分解,将得到的稀疏分量作为印花模板先验,并将疵点印花织物图与模板织物图作差的结果作为疵点先验,建立具有双稀疏特性的低秩分解模型。其次,根据双稀疏低秩分解模型,由印花先验、疵点先验同时引导分解,得到疵点显著图。最后,利用最优阈值分割对疵点显著图进行二值化,得到疵点图。通过仿真验证了所提方法的有效性和准确性,同时检测疵点的时间比当前最优的PN-RPCA算法提高了10.22%。(3)设计了织物疵点检测软件系统,从针对性和效率两方面出发,根据平纹斜纹织物、周期性织物、不规则印花织物等3种织物的特性分别采用3种算法进行疵点检测,并将算法的检测功能集成到软件系统中。同时利用工厂采集的织物对系统功能进行验证,并将结果保存到相应文档。最后,对全文进行了总结,并基于存在的问题和发展趋势,对未来研究方向进行了展望。