混纺纱线中的纤维识别分类是数字图像技术测定纱线混纺比的基础。纱线混纺比作为纺织品检测的一项常规检测,如何实现科学、高效、准确的检测是学者们共同关注的课题。传统的化学分析法因无法实现化学性质相似的纱线混纺比的测定,其局限性逐渐显现出来。利用数字图像技术对混纺纱线进行纤维分类无疑为测定化学性质相近的纱线混纺比打开了一扇大门。因此,对于它的研究有着重大的实际意义。长期以来,人们从不同的角度对混纺纱线纤维识别与分类及混纺比测定等课题,进行了广泛的研究。但是以往的研究,多是针对特定纤维组分的一种混纺纱线,基本流程是:图像获取→预处理→个体轮廓探测→提取特征参数→识别分类→混纺比计算。个体轮廓探测环节都采用作用于二值图像的轮廓跟踪法,为了全面反映混纺纱线的纤维特征,学者们提取尽可能多的特征参数,而提取的特征参数对于混纺纱线中纤维分类哪一个参数更关键,学者很少进行过研究。本研究基于人眼的视觉原理,建立了能够直接作用于灰度图像的目标轮廓探测模型,即光斑扩散模型;以涤/棉和粘/棉混纺纱为例,提出了一种适用于不同混纺纱线纤维识别分类的通用方法,利用特征选择找到最能代表纤维差异的最佳特征或最佳特征组合,并在前人研究的基础上,完整地实现了这一研究的六个环节,即图像获取、图像预处理、个体轮廓探测、特征参数提取、特征选择和混纺纱纤维分类。1.在图像获取环节,采用环氧树脂包埋技术,获得了轮廓清晰、个体分散的纤维切片图像,是数字图像技术进行混纺纱线纤维的分类研究的基础。2.在图像预处理环节,采用数学形态学技术,将开、闭运算组合应用,用开运算去除了细小的杂质,闭运算融合了棉纤维的中腔,得到了较好的处理结果,并提出了预处理的通用流程,对流程中各个步骤的结构元素尺寸选择做了分析说明。3.在个体轮廓探测环节,基于视觉原理,提出了一种新的目标轮廓探测模型,与传统的轮廓跟踪算法不同的是,该模型可以直接作用于灰度图像上,二值化不再是预处理的必经流程。提出并讨论了光斑扩散模型控制的各个参数,并且用逼近控制、贴近控制、径长控制和命中率控制等四个控制来获得较为满意的纤维截面轮廓。对四个参数中控制射线终止条件的贴近控制参数作了理论分析,并利用径长控制参数解决了纤维间的连结问题。利用多点扩散的方法,解决了纤维轮廓中部分纤维屈曲程度较大不能一次探测出完整轮廓的问题。4.在特征参数提取环节,以轮廓探测中的径长为基础,提取了面积、离散度、波动率等较为通用的八个形态特征参数,并以粘/棉混纺纱中两种纤维轮廓探测中的径长分布规律为基础,设计了波动率这一特征参数,对粘/棉混纺纱进行识别,它能较好地反映两种纤维的差异。5.在特征选择环节,以最大类间距离可分性判据结合聚类分析准确率为标准,采用穷举法和遗传算法对涤/棉、粘/棉混纺纱特征参数进行了特征选择。得出结论:只要特征参数设计合理,针对特定的混纺纤维,可以用一个指标来实现纤维的识别分类。对于未知纤维的情况,可以通过特征选择的方式来找到分类正确或错判率最小的特征参数组合。利用遗传算法对特征参数进行了优化组合,得到了与穷举法一致的结果,而且大大提高了特征选择的效率。推荐在参数较少的情况下采用穷举法,在参数较多的情况下选择遗传算法进行特征选择。6.采用神经网络的方法对混纺纱线中纤维进行识别分类,比较了8个特征参数和经特征选择的1个指标经神经网络训练后纤维识别分类结果的不同,得出结论:特征选择后的1个参数进行神经网络训练后,纤维分类的效率和准确率都显著提高,也从另一个方面验证了特征选择的必要性。另外,以纤维样本类间最小距离作为训练样本的选择方法,提高了训练样本的代表性,达到了提高神经网络分类准确率的目的。