布料瑕疵识别检测是布料生产过程中的重要环节。针对人工检测的各种缺陷和不足，本文在现有的布料瑕疵检测理论和方法的基础上，较深入地研究了织物图像预处理和基于小波分析和神经网络的瑕疵自动识别方法,并通过实验验证了该方法的可行性和有效性。首先，介绍了在图像处理中常用的预处理方法，分析了各自的特点，并通过实验，对比多种预处理结果，选用合适的预处理方法，改善图像视觉效果，突出图像中瑕疵点边缘和轮廓特征。其次，给出了基于小波分析的疵点自动识别方法。为减小周围环境对疵点识别的影响，同时提高疵点检测速度，使用小波变换对图像进行分割。将小波分解后的图像通过灰度均值比较，将不超过设定阈值的窗口视为无瑕疵舍弃，超过阈值的窗口作为进一步待检区域，再利用小波分析方法提取特征值，有效减少了图像特征值的提取和计算窗口数量。对小波分解后的经、纬子图像分别提取能量、方差、熵值、极差和逆差矩五个特征值。经归一化后，在统一度量下检查不同特征值对疵点的响应程度，从而确认疵点是否存在及判别疵点的准确位置。最后，分析了神经网络的结构特性，设计方法以及参数的确定方法，针对布料瑕疵的种类特点，设计了一个3层BP神经网络，将得到的特征值输入BP神经网络进行学习检测，通过实验比较，验证了本文中布料瑕疵识别与分类方法的可行性和有效性。