织物疵点检测是纺织品生产过程质量控制的重要环节。织物种类繁多、纹理复杂及疵点形态各异等都为织物疵点检测带来了很大的挑战,造成已有检测算法准确率低,效率不高等问题,难以适应纺织工业大规模生产的需要。近年来,低秩分解技术在显著性目标检测中得到了广泛的应用,并取得了很好的效果。针对织物图像纹理复杂多变,单一特征不能很好的将背景表征为低秩子空间,本文对基于多特征融合低秩分解的织物疵点检测算法进行了深入研究。具体研究成果为:(1)提出了一种基于多通道特征矩阵联合低秩表示的织物疵点检测算法。首先,通过建模视网膜P型神经节细胞编码方式提取织物图像的二阶多通道特征,解决复杂织物图像难以有效表征的问题;然后构建联合低秩表示模型,并采用增广拉格朗日乘子算法(ALM)进行优化求解;最后通过改进的自适应阈值分割算法对显著图进行分割,定位出疵点位置。(2)提出了一种基于多通道特征张量低秩分解的织物疵点检测算法。首先提取二阶多通道特征矩阵,组成特征张量,表征织物图像的纹理方向信息;然后构建张量低秩分解模型,采用张量恢复方向交替乘子算法把得到特征张量分解为低秩张量和稀疏张量;最后通过改进的自适应阈值算法对显著图进行分割,定位出疵点位置。(3)提出了一种基于级联低秩分解的织物疵点检测算法。首先提取织物图像的textons特征和Gabor特征;然后构建级联低秩分解模型,将Gabor方向特征的先验结果与textons纹理特征全局结构相结合改善检测结果;最后采用改进的自适应阈值分割算法对显著图进行分割,定位出疵点位置。