纺织品生产过程中,织物瑕疵的出现严重影响布匹的质量,因此织物疵点检测是纺织品出厂前的必要环节,具有重要的意义和应用价值。然而,织物图像种类较多,且有着复杂的纹理,如何从中将形态多样的织物疵点检测出来已成为本研究领域的重要课题。在织物疵点的自动检测方法中,小波变换由于具有良好的空间定位特性以及多分辨分析的特点,被人们广泛的使用。但是,传统的小波基针对不同纹理背景的织物进行检测时适应性较弱,而采用自适应小波基可以较好的适应不同的织物纹理背景,使疵点信息在小波变换之后的子图像中更加突出。为了更好的提高自适应小波基对织物纹理的适应性,本文对图像预处理、自适应小波基的构造、图像分解后的融合三个阶段做出了改进。所做的工作与研究成果如下:(1)构建了一定长度的小波基滤波器库,通过限定条件筛选出适合目标织物纹理的自适应小波基。为了提高织物图像对小波变换的适应性,在织物图像的预处理阶段提出了一种基于图像熵的织物图像分辨率优化选择算法,在合理的范围内,选取同一种织物在多种分辨率下的图像,通过分析这些图像经小波分解后子图像的图像熵来选取最优分辨率。(2)由于单一自适应小波基并不完全适合多层小波的分解,本文提出了一种基于混合自适应小波基的织物疵点检测算法。在多层小波静态分解中,对正常织物图像和经小波分解后的低频子图像分别进行小波基的优化,得到包含多个自适应小波基的混合自适应小波基。实验结果证明,混合自适应小波基分解后的子图像较单一自适应小波基相比,能够更有效的实现疵点检测,并具有良好的疵点分割和检测结果。(3)针对单一限定条件的局限性以及检测结果中出现的较多噪声点,提出了一种基于改进自适应小波基的织物疵点检测算法。首先选取三种不同的限定条件筛选出三种自适应小波基,然后对疵点图像进行小波分解,采用最大类间方差法分割子图像,最后将多种自适应小波基分割后的图像进行基于投票机制的融合方法进行融合,得到检测结果。实验结果证明,该融合算法能在较好保留了疵点信息的同时,有效的减少了噪声点的出现。