织物起毛起球不仅会严重影响织物的外观,而且会降低织物的穿着舒适度,因此评价织物起毛起球性能成为纺织品检验领域内的一项重要内容。标准样照对比法是目前常用的起毛起球等级评定方法,主观性强且重复性差。为增强织物起毛起球等级评定的客观性,对织物起毛起球图像进行研究分析,利用数字图像处理技术对织物起毛起球进行自动等级评定具有十分重要的意义。本文主要做了以下工作:1、在织物起毛起球图像采集中,针对国内常用的圆轨迹起球法得到的织物起毛起球样本图像,采用改进的Hough变换检测圆算法获取织物起毛起球区域,与目前手动截取起毛起球区域的方法相比,提高了织物起毛起球等级评定的自动性。2、利用小波多分辨率特性对织物起毛起球图像进行多层分解,得到含有不同频率信息的子图像,选取合适分解层的低频和高频系数进行处理并重构,实现去除织物起毛起球图像非纹理噪声的目的。进一步对织物图像进行小波分析,构建小波能量指标,研究能量变化规律,进而定位织物纹理层,并确定织物粗糙度。3、织物起毛起球图像噪声包含由光照不匀等原因引起的非纹理噪声,同时包含织物固有的纹理噪声。研究小波多分辨率分解和噪声的关系,实现非纹理噪声的去除;研究Gabor滤波器特点,通过构建不同的Gabor滤波器,分别实现细腻织物纹理的平滑滤除和粗糙织物纹理的边缘检测法去除。4、建立小波变换和Gabor滤波器中心频率、尺度大小等滤波参数选择的关系。根据图像信息与熵值的关系,对各典型方向Gabor滤波图像建立的熵值曲线进行分析,进而判定织物纹理方向,并以此确定Gabor滤波器方向。此外,为提高系统执行速度,将二维Gabor滤波算法进行了优化。5、将去噪后的织物起毛起球图像进行分割,对三种分割方法进行比较,根据分割效果,选择合适的毛球分割方法。提取织物毛球密度、毛球个数、毛球面积标准差和最大毛球面积四个参数,采用pearson相关系数作为衡量织物毛球参数与起毛起球等级关系的指标,最终选择毛球密度、毛球个数和毛球面积标准差作为标准特征参数。实验结果证明,通过对织物起毛起球图像进行研究分析,本文提出的织物起毛起球等级评定系统可以有效的滤除织物纹理与非纹理噪声,提取等级评定所需的织物毛球信息,进行准确的等级评定。