在纤维检测领域中,羊绒与羊毛纤维的鉴别问题一直都是个挑战。目前,我国纤维检测部门通常采用纤维投影法来鉴别羊绒和羊毛,但此方法存在着效率低、稳定性差、受检验人员的主观情绪影响等问题。因此,研究出一种高效且实用的羊绒羊毛自动识别方法迫在眉睫。本文基于数字图像处理技术,对羊绒与羊毛纤维的鉴别中的图像预处理方法、特征参数提取方法以及BP神经网络分类识别模型进行了相关研究。课题主要研究内容如下:1.羊绒羊毛纤维图像预处理方案的确定。采用课题组自制的纤维切片机制作羊绒羊毛纤维切片,并将微分干涉相衬显微镜引入到图像采集中,获取到外部边缘和轮廓内纹理都清晰的纤维图像;通过观察显微镜下的羊绒羊毛纤维图像,分析了羊绒与羊毛纤维特征之间的差异,采用灰度化、拉普拉斯增强、中值滤波、Canny检测、二值化、形态学处理、轮廓检测等图像处理方法,最终获取到目标纤维区域二值图。2.羊绒羊毛纤维形态特征和纹理特征的提取。形态特征的提取是采用分段扫描法求得直径,采用鳞片骨架法求得鳞片高度,采用像素点统计法求得纤维鳞片周长和鳞片面积,再通过这4个直观指标能够间接求得径高比、鳞片密度、鳞片相对周长、鳞片相对面积这4个相对指标,总共8个形态特征。纹理特征的提取是基于灰度共生矩阵从0°、45°、90°、135°这四个方向来获取能量、对比度、熵、相关性的平均值,将这4个平均值用于描述纹理的特征参数。对提取的12个羊绒羊毛纤维特征参数数据进行了统计分析,并选取其作为羊绒羊毛纤维分类识别的依据。3.羊绒羊毛纤维的分类模型建立和识别结果及分析。采用主成分分析法对获取的12个羊绒羊毛纤维特征参数进行降维,得到了4个能够表征羊绒羊毛纤维综合指标的特征参数体系,并采用5折交叉验证对羊绒羊毛纤维数据样本进行划分,然后对BP神经网络的结构进行设计,并选用在不同隐含层节点情况下的三种训练函数来训练BP神经网络,得到了羊绒羊毛的BP神经网络分类模型,并对分类模型的识别效果进行了测试。实验证明,该模型的分类效果较好,本文实验采用此方法所得的羊绒羊毛综合识别率为94.89%。