在纺织品生产过程中,质量检测与控制是非常重要的,机织物疵点检测是其中极其重要的一部分。目前国内织物检测基本上是由人工来完成的,检测时存在速度慢、效率低、误检率和漏检率高等问题。随着计算机技术的发展,计算机视觉已经越来越多的应用到工业生产,基于计算机视觉的自动验布也越来越受到人们的关注。　　 本文研究的是基于分形模型的织物疵点检测,利用一维分形提取织物特征来实现织物疵点的检测,具体研究内容及主要结果如下:　　 1.为了充分利用织物纹理,并大幅度减少计算量,将织物纹理图像的灰度值分别沿纵、横方向投影得到一维时间序列提取分形特征。根据Fisher判别准则优选了两个具有一定互补性而又能最大限度区分正常与疵点样本的时间序列盒维数组成特征向量,对11种具有不同纹理背景的织物进行了疵点检测。实验结果表明,在一定的阈值范围内,误检率和漏检率同时控制在10％以内,进而表明采用本方法能够有效区分正常与疵点纹理。　　 2.为了验证提取的两个特征值的有效性,采用了主成分分析的方法从大量特征值中提取方差贡献率总和80%左右的主成分对织物疵点进行检测。检测结果表明:采用主成分分析方法并没有获得更好的检测效果却使计算量大大增加。充分说明了文中提取的两个特征值的有效性。　　 3.将织物灰度图像视为其相对高度与象素点灰度成正比的三维曲面,提取该曲面二维分形特征。利用提取分形特征的方法对稀纬、百脚、断经、竹节、跳花等疵点进行检测并与一维分形检测结果和程序运行时间进行对比。对比结果显示:一维分形特征提取程序运行时间大约是二维特征的20%,但是二维并没有取得更好的检测效果,部分疵点检测效果不如一维分形检测。　　 4.在上述处理中各种疵点样本织物图像分块大小均为32×32*像素。由于分块大小会影响疵点尺寸在小块中所占的比例,所以讨论了分块大小对检测结果的影响。对存在双纬、断经等疵点的织物图像分块大小为28×28、20×20、16×16时分别作了检测并比较了检测结果。对比结果表明:当疵点纹理在小块中所占的比例较小的时候,检测效果不理想,适当提高疵点纹理在小块中所占的比例可以使就检测效果变得更好。当小块尺寸小到一定程度的时候由于单个小块织物组织循环数的变小,导致了小块间差距变大而使检测结果变得不稳定。如何根据织物类型和疵点类型合理确定分块大小还有待于进一步研究。