布匹疵点检测在布匹质量检测中具有重大作用。传统的布匹疵点检测方法具有检测速度慢、检测准确率低、对检测工人经验水平要求高等缺点,不能满足纺织品现代化大规模生产的要求,而进口的布匹检测设备售价过于高昂,不能在国内大规模推广,因此,必须研制出拥有自主知识产权的布匹疵点在线检测系统。本论文就布匹疵点检测中的算法内容进行研究。首先,在传统的局部二进制模式算子(LBP)的基础上,引入了均方差统计量,得到了改进的局部二进制模式SLBP算子,SLBP算子不仅考虑了局部邻域像素灰度值之间的大小关系,还考虑了整幅图像的均方差和局部邻域均方差之间的关系,相比传统LBP算子性能优良。其次,针对不同特点的疵点采取优势互补的策略,将SLBP检测与DFT相位变换两种检测方法相结合,期间使用非线性增益和改进的数学形态学方法对疵点特征进行增强,利用基于标准差的疵点分割方法实现疵点的检测与定位。为实现坯布疵点的有效分类,本论文通过主成分分析(PCA)方法和BP神经网络方法对坯布疵点进行分类。在疵点分类过程中,首先将待测图像的灰度共生矩阵(GLCM)特征提取出来,之后运用主成成分分析PCA方法筛选出特征矩阵,最后通过事先训练好的BP神经网络对得到的主成分数据进行疵点分类。本论文的实验对象为坯布织物中经常出现的5类疵点,经实验验证,本文方法分类平均准确率达到了 93.06%。