在纺织品生产中，织物的质量控制是一项极其重要的工序，在此工序中一般要完成以下两项任务：第一，根据检测的结果确定织物的品质等级；第二，监视纺织设备的运行状况。织物疵点的检测是织物质量控制的核心内容之一。在现代工业技术的推动下，纺织技术得到了长足的发展，生产效率由1965 年的70 米每人每小时增加到1995 年的520 米每人每小时。但与其形成鲜明对比的是，织物疵点的检测却依然停留在人工检测的方式上。该方法存在着检测速度低（仅有480 米每人每小时），误检率和漏检率高、检验结果受人员主观因素影响大等缺点。基于以上原因，织物疵点的自动检测问题是近年来国内外学者共同关注和研究的热门课题之一。论文中详细分析了基于Gabor 滤波器和基于PCNN 模型两种织物疵点检测算法的理论基础，检测原理和算法诸参数的优化设计等问题，并通过对实验结果的分析和比较得到了最终的结论。论文的主要内容如下： 1 ．详细分析了Gabor 函数在时-频域中对纹理图像频率和方向的选择特性，分析了PCNN 神经元的行为特征，以及PCNN 模型对灰度图像多阈值分割的特点。并在此基础上提出了这两种检测算法的基本框架； 2 ．为了得到最理想的检测结果，结合纹理图像半监督分割问题的特点，分别建立了基于正常纹理匹配的Gabor 滤波器、基于缺陷纹理匹配的Gabor 滤波器和基于PCNN模型三种检测算法的最优化参数设计模型； 3 ．针对正常织物图像的Gabor 滤波器响应值的分布特点，采用极大似然估计的方法建立了其概率分布估计模型，并以得到的估计结果来确定区分织物图像中正常织物和缺陷织物的分割阈值； 4 ．在疵点图像的Gabor 滤波器响应值中存在着一系列的极值点，这些极值点勾勒出了疵点的外形骨架。在此基础上建立了一种基于Gabor 滤波器的织物疵点外形特征的提取方法； 5 ．在综合分析了以上几种优化设计模型特点的基础上，建立了以遗传算法为基础的优化模型求解方法； 6 ．详细介绍了实验室中所使用的织物疵点自动检测装置，并以帘子布为检测对象，分别采用基于正常纹理匹配Gabor 滤波器、基于缺陷纹理匹配Gabor 滤波器、PCNN 模型、灰度统计量、相关分析和Fourier 分析对七种帘子布疵点进行检测实验，并对得到的实验结果进行了分析和比较。经过以上的理论分析和实验结果对比，证明了论文中所构建的基于正常纹理匹配的Gabor 检测算法是一种检测精度高，疵点定位准确，稳定性好的织物疵点自动检测算法。