目前在纺织品生产中，织物瑕疵检测主要是通过人工来完成，但受到劳动强度和环境条件等因素的影响，无法确保高准确性和高效率，且对人的视力容易造成伤害。故采用自动织物瑕疵检测的系统对降低成本和提高工作效率是一种合理的选择。本文重点研究了三种布匹瑕疵检测算法，并实现了基于小波和Gabor滤波器虚部检测算法并行的瑕疵自动检测软件。针对局部点、块状类型的瑕疵，本文研究了一种基于多尺度小波表示(MSWAR)的织物瑕疵定位方法。算法先对输入图像做小波变换，接着融合变换后的三个高频边缘得到特征图像，然后结合相关维的概念分别计算特征图像的全局同一性和局部粗糙程度以确定瑕疵的存在和瑕疵的位置，最后为了减少光照不均带来的负面影响，采用Ostu方法对图像进行二值化。算法有效的检测了样本库中的点、块状瑕疵。能部分支持横、纵向瑕疵的检测定位，且对不支持种类的瑕疵虚警率很低。针对横、纵向贯穿型的瑕疵，本文研究一种基于Gabor滤波器虚部的织物瑕疵定位方法。算法通过计算虚部Gabor滤波器算子和图片横、纵向投影信号做卷积，有效地突出了瑕疵所在的位置。算法有效利用了Gabor滤波器对横、纵向瑕疵的高检测率，且回避了多通道、多尺度二维Gabor滤波器带来的算法复杂度提升，运行效率很高。本文还研究了一种基于奇异值分解(SVD)的织物瑕疵定位方法。算法将样本图像看成矩阵，对矩阵做分块后处理后在子图像上做奇异值分解，并直接提取奇异值作为特征，通过分块矩阵奇异值均值和原矩阵奇异值均值的对比来确定瑕疵的位置。算法是无监督的，运行时间消耗集中在SVD分解部分，效率较高。该算法部分补偿了基于多尺度小波表示和Gabor滤波器虚部检测算法对某些类的支持不足。