织物的质量问题对于纺织企业来说至关重要,如何快速有效的检测与识别织物中的缺陷成为当今纺织行业迫切需要解决与优化的问题。由于国外已有的织物检测系统价格昂贵所以当今国内多数纺织企业仍然采用人工验布检测方式,通过各方研究表明这种方式不仅低效而且织物疵点的检出率与检测工人的主观认知带来的牵制性有很大的关系,因此对于织物疵点的自动检测与分类方法的研究是非常有意义的。本文主要针对织物疵点的检测与分类算法进行研究,根据研究的算法设计出了织物疵点自动检测与分类系统。具体的研究工作分为以下几个方面:首先对采集到的织物疵点图像进行预处理,由于织物纹理色彩的复杂性、多样性以及采集图像时处于的不同光照环境会对织物疵点的检测带来很多干扰,为了防止这些原因对图像特征检测的准确率造成影响,采用灰度化处理图像并通过直方图规定与同态滤波对织物疵点图像进行效果增强与去噪处理。其次在织物疵点检测与提取方面,在LBP算子与其优化型模式研究的基础上对LTP算子进行了旋转不变性与中心对称性的改进,并结合灰度共生矩阵的特征参数对织物疵点进行检测与特征提取,有效提高了检出率,减少了计算量并且缩短了检测时间。通过图像的分块与阈值分割能够准确分割出织物疵点的区域,并经过实验证明采用最大类间方差法(Ostu)对于破洞疵点图像的分割效果最清晰,疵点的信息保留的较为完整,对于非疵点像素处理也更好。对于分割后的图像运用闭运算与开运算结合进行形态学处理并采用连通域分析对织物疵点定位标注。在织物疵点分类方面,通过实验对SVM多分类器与核函数进行择优选择,采用高斯核函数与1-v-r SVMs多分类器对本文检测算法提取的织物疵点特征进行识别所获得的识别率最优。最后,结合Matlab软件设计了基于LTP灰度共生矩阵和SVM的织物疵点检测分类系统,通过实验进一步对本文研究的算法进行分析,验证了本文检测标记定位与分类算法的有效性。