天然纤维素纤维的计算机识别是一个涉及图像处理、模式识别、计算机视觉和神经网络等多个领域的研究课题。由于快速增长的应用需求以及神经网络、小波分析、计算机图像和机器视觉等技术的发展,人们对自动纤维识别的兴趣不断升温,研究工作也异常活跃。很多针对图像的纤维识别方法已经提出,基本上可以分为基于几何特征的方法、基于统计特征的方法、基于模板匹配的方法、基于神经网络的方法和它们的混合方法。但是由于天然纤维的识别是一个较为复杂的问题,即使是专家识别也很难保证较高的识别率。在国内外将计算机图像技术应用于纤维识别的研究很少,很多问题都尚待解决。本文总结了纤维识别技术的研究现状,讨论了其中的关键技术和难点,并进行了分析和比较。　　 模式识别系统要能自适应地从实际任务中学习并提炼出适合各种目的的决策规则,而人工神经网络正好能为模式识别系统提供这种能力。本文讨论了将多层感知机神经网络应用于模式识别的理论,分析了传统的反向传播算法和针对其缺点进行改进的算法RPROP。　　 我们采用计算机图像处理技术和神经网络技术研究了天然纤维,主要是棉纤维和苎麻纤维的图像识别问题,即采用计算机图像处理技术对图像进行处理和特征提取,采用神经网络通过提取的特征数据对图像进行识别。根据实际采集的天然纤维素纤维图像的特点分析,分别利用自动阈值分割、掩码法对象提取、样条插值边缘检测等方法,设计了纤维边缘和苎麻裂纹分别处理的自动图像预处理方案,为图像识别的自动化奠定了基础；结合以往的工作、专家经验和实际的情况,分析筛选了能够采用的特征集合,并设计了具体的特征提取算法:采用基于识别性能的方法,对提取的特征集合进行了评价,进一步得出了对最终识别问题有意义的特征集合。我们采用神经网络对识别的准确率做了一定评估,识别率可以达到90％左右。总之,在适当预处理和特征提取的基础上,基于神经网络的天然纤维素纤维图像识别的效果是很好的。最后,我们对进一步的研究和实际应用识别系统的实现提出了几点建议。