该文首先分析了国内外基于图像的织物疵点检测算法的研究现状,指出对疵点自动检测的研究中将以小波变换为主.该文重点讨论了基于小波变换与神经网络的疵点检测与识别算法并对基于局部熵理论的检测方法作了探讨,文章最后提出了对后续工作的展望.论文主要包括数字图像基础及织物图像采集系统的构成、疵点图像分割与数字形态滤波在本课题研究中的应用、一种新的基于小波分析与神经网络的疵点检测与识别方法及基于局部熵的疵点自动检测的研究等内容.该文详细分析了在采集织物图像中遇到的一些困难并提出了自己的解决措施.着重分析了运动模糊产生的原因并针对不同原因产生的运动模糊采取了相应的软硬件解决办法.该课题选用的一些数字图像处理算法在考虑处理效果的同时兼顾处理的实时性.在图像分割时提供了织物图像像素灰度值交互式查看工具,从而采用简单的阈值分割算法.在进行小波分解时,对于未用到的一些子带,在算法实现时不予以计算.选用长度较短的滤波器,有效地降低了计算量.作者针对二维图像小波分解后高频分量对方向的敏感性,结合织物疵点的形态特征,提出了在小波多级分解中的高频分量提取特征值,用三层前馈神经网络BP算法有效地识别了缺纬、断经、油污和破洞等常见疵点,并具有识别速度快、强抗噪能力等优点.将织物图像分成大小相同的局部窗口,选取局部熵最小的窗口为待研究的感兴趣区域,在此区域内分割出疵点图像并用数字形态学中的开运算滤除噪声,计算疵点形状因子等作为识别参数,该文研究表明此方法因能避免对整幅图像进行复杂运算和提取特征参数时对图像的全局搜索,故具有识别正确率高、检测速度快等优点.