疵点检测是保证织物质量的重要手段,也是织物生产过程中的一个重要环节。目前,国内大部分织物检测依然依赖于人眼检测,不仅人工成本高而且效率低。而基于机器视觉的检测方法采用自动化的图像采集与缺陷识别方式,可大大弥补人工检测的不足,正逐步代替人工检测成为未来的发展趋势。其中,图像处理算法是织物疵点检测的研究重点。针对织物的周期性纹理特点,疵点检测所常用的纹理特征提取方法主要包括统计方法、信号处理方法、结构方法和模型方法。虽然这些方法均具有一定效果,但普遍存在计算复杂度高、耗时较长的问题。因此,本文研究了基于反向投影的织物疵点检测算法,主要研究内容如下:在直方图反向投影的基础上研究了基于灰度直方图反向投影的检测算法。对灰度直方图反向投影进行了改进,介绍了其纹理屏蔽性,并分析了织物疵点检测的流程及参数选择,然后给出了实验结果,最后对检测结果及用时进行了比较。针对灰度直方图反向投影在大块油污检测中所存在的问题,提出了改进的灰度直方图反向投影检测算法。从检测流程、分块特征和反向投影原理这三个角度进行了分析,最终采用改进反向投影原理及其后续流程的方法,并给出了实验结果。针对灰度直方图特征单一的问题,在灰度共生矩阵和改进反向投影的基础上提出了基于灰度共生矩阵反向投影的检测算法。介绍了算法的原理,分析了算法的流程及参数选择,给出了实验结果,并与其他方法进行了比较分析。综上所述,通过对以上三种基于反向投影的织物疵点检测算法的测试,得出以下结论:改进的灰度直方图反向投影检测算法和基于灰度共生矩阵反向投影的检测算法均是对基于灰度直方图反向投影的检测算法的改进,具有较好的检测效果。基于灰度共生矩阵反向投影的检测算法的疵点分割效果更好,但其用时则较其他两者要长。若追求算法的鲁棒性,则选择灰度共生矩阵反向投影;若追求检测速度和检测精度,则选择改进的灰度直方图反向投影。