该文针对素色简单机织物,运用信息学科中发展较新的理论,如纹理模型、Gabor滤波器、小波变换和神经网络,探讨了基于图像技术的织物疵点自动检测方法.首先,研究人员根据常见织物疵点的纹理特征,从纹理分析的角度出发,将疵点分为统计特征畸变、方向性特征畸变和非结构化畸变三大疵点;然后,针对每类疵点以及包含以上三类疵点混合特征畸变疵点,分别研究了各自适宜的疵点自动检测方法;最后,研究人员研究了疵点分类方法.针对统计特征畸变织物疵点,采用了一种基于GMRF纹理模型的疵点检测方法.为了提高算法的实时性,计算时GMRF模型参数由它的充分统计量来替代.对于方向性特征畸变织物疵点的检测问题,提出了一种基于Gabor滤波器的疵点检测方法.文章分析了Gabor滤波器对方向性特征畸变疵点织物的边缘增强效应,给出了织物自适应Gabor滤波器和疵点自适应Gabor滤波器的设计方法.将这两种滤波器应用于方向性特征畸变织物疵点的检测.对于非结构化畸变织物疵点的检测问题,提出了一种基于墨西哥草帽小波变换的疵点检测方法.对于混合特征畸变织物疵点的检测问题,提出了一种基于自适应离散小波变换的疵点检测方法.文章给出了具有能量压缩效应的自适应正交小波的构造方法.论文最后简单讨论了采用人工神经网络的织物疵点分类方法.采用疵点图像灰度共生矩阵作为提取疵点纹理特征参数的方法,并以常用的BP网络作为分类器,获得较好的分类效果.