纤维细度、孔隙率、取向等都是影响非织造纤网性能的因素。传统检测技术耗时长、成本高；而利用计算机图像处理技术,使纤维材料性能的检测趋于快速、低耗能,同时能保证准确率。计算机图像处理检测技术依赖于纤维材料的拍摄清晰程度。由于光学显微镜景深小,对于超景深物体的成像只能保证目标一部分清晰,而另一部分目标模糊,形成多焦面现象,例如薄型非织造布、纱线和切片不匀的纤维样本等。针对这种现象,如何融合多焦面纤维图像,使不同聚焦位置的多幅幅光学显微镜图像合成一幅目标都聚焦清晰的图像具有重要的意义。基于像素级的多聚焦图像融合技术是针对多幅不同聚焦位置的图像,通过一定算法提取多幅图像中目标的互补信息,剔除冗余信息,合成一幅所有目标都清晰的图像。它保留了原场景大多数的信息,提供了丰富、清晰的目标信息,为后续处理提供了可靠的信息来源。现今像素级多聚焦图像融合技术主要分为多分辨率、基于单像素点和基于区域的融合技术。基于单像素点的融合方式简单、快速,但忽略像素之间的联系；基于多分辨率是当下图像融合的热点,它融合效果优,但其计算复杂,分解层数依赖于分辨率,融合速度缓慢,可能引入大量错误信息和重影现象；基于区域的融合技术是将图像分为不同的局部图像块,对每一个局部区域块选择合适的图层进行融合,但若选块过大其易将聚焦清晰的部分和模糊的部分选为一个局部区域,过小则会造成锯齿效应。为了获得多层纺织纤维材料图像,本文利用自动控制的光学显微镜图像采集系统,通过显微镜载物平台XYZ三轴移动采集多层纤维图像。针对非织造纤网、纤维以及纱线设定不同景深、图层数,采集同视野不同聚焦位置的多层图像。针对纺织纤维材料的融合方法,本文研究分析了现今国内外主要图像融合算法,提出了出一种基于纤维天然边界的多源点清晰度自由扩散区域融合方法：首先,在纤维天然边界的限制下,选取多个扩散源点,令其向周围自由扩散。其次,当不同源点的扩散边界相遇时形成固定的耦合边界,扩散停止；当扩散到达纤维边界时扩散也停止,直到所有的扩散结束,形成图像融合的区域划分。最后,在多层图像上选取对应的清晰区域填充进融合区域,完成图像融合,并进行评价和验证。1)为了获取纤维的自然边界,本文对多焦面图像进行了预处理包括灰度、图像平滑去噪等,并对不同的清晰度计算方式和孔洞填充进行了比较,利用点融合、图像分割、填充等手段实现了纤维自然边界信息的重建。2)探讨了源点选取规则,结合背景与目标的不同特征,采用自适应阈值快速进行源点和伪源点的判断,优化源点选取,减少后续图像处理的复杂程度。3)在纤维边界条件的限制下,多源点同时向八邻域方向扩散。当源点的扩散边界与纤维边界相遇时,扩散停止；同时,当不同源点的扩散边界相遇时,扩散也停止；直至所有扩散结束,图像被划分成不同形状的区域。4)对分割完毕的区域进行图层选取,选取合适的图层数据填充区域完成图像融合。本文实验了四种特征参数作为图层选取的依据。5)本文根据不同的融合评价准则,对不同融合算法的融合效果进行评价,并对不同样品进行分析,验证了本文提出的区域划分方式有效,能减小大型斑块效应并增加目标信息。同时对融合样本进行孔径和取向度与传统检测方法试验结果对比分析,验证融合图像清晰,能为后续检测技术提供良好的支持。