中文摘要：

发展准确快速的织物疵点在线检测方法，对纺织品表面质量的深入控制和提高我国纺织品国际竞争力具有重要战略意义。本提案基于序列图像的时-空域多种类特征提取与多证据分类增强，拟提出织物疵点在线检测新方法，研制针对织机的在线检测实验环境。该方法分为织物特征域一次性自学习阶段和在线检测阶段。拟按多尺度提取图像子块的多种类纹理特征，并用等时距叠加可疑异常区的前若干帧历史特征来增强判别信噪比；用弱分类器进行计算加

结论摘要：

发展准确快速的织物疵点在线检测方法，对纺织品表面质量的深入控制和提高我国纺织品国际竞争力具有重要战略意义。本提案基于序列图像的时-空域多种类特征提取与多证据分类增强，提出了织物疵点在线检测新方法，构建了针对织机在线检测的简易实验环境与仿真软件。其检测总体思想是从"已知的"无疵点纹理表面提取特征，根据特征对被测织物进行分类比较，检测出"未知的" 疵点纹理区域。检测过程分为时-空域的多特征证据滚动学习和线性神经网络在线分类检测两阶段。利用了2个尺度图像子块的多种类纹理特征在特征表达上的互补性，以及可疑图像分块前2帧历史的对应特征，来印证确定真正的织物疵点及其位置。用弱分类器进行了计算加速；用颜色分量位屏蔽和颜色分量线性组合来压缩和利用了织物的色域空间。分析了本方法对单色平布织物不同疵点的检测适应性、检出率和误报率，取得了国内外可比较的性能指标。