山羊绒纤维细长均匀、手感滑润、保暖性好,有“纤维皇后”之称,并且产量比较低,因此羊绒价格极其昂贵。而绵羊毛在物理形态结构、成分组成上都和羊绒极其相似,但羊毛价格却比羊绒低很多。由于利益的驱动,许多个人和不法商家在使用羊毛冒充羊绒,近年来,掺假现象日趋严重。因此羊绒羊毛的准确鉴别变得越来越重要。本文首先获取样本中羊绒和羊毛纤维的光学显微镜图像。将这些图像作为数据样本进行纤维鉴别。并使用图像处理和计算机视觉技术提取图像特征,使用这些特征描述纤维图像。选用支持向量机(Support Vector Machine:SVM)作为分类器,提取的特征作为分类器输入,对图像进行分类,从而达到纤维鉴别的目的。在对图像进行分类之前,首先需要对图像进行预处理,如图像灰度化转换,利用小波变换对其进行去噪,以及利用对比度拉伸算法对其进行图像增强。而在选用支持向量机作为分类器时,输入支持向量机的数据集的不同则可能会导致识别率的不同,即输入支持向量机的数据集与最终的识别率有一定关系。因此本文研究了两种不同的鉴别方法,一种方法是使用词包模型进行图像分类。该模型的核心思想是从创建一个视觉单词组成的词典;并通过用空间金字塔方法获取特征点的空间位置信息。其中视觉单词是对纤维图像中检测到的关键点的描述,也就是图像中纤维表面的特征表示,统计纤维图像中的视觉单词在词典中出现的频率,并将其转换为直方图,用直方图向量表示纤维的特征;并对视觉单词个数的选取、核函数的确定以及空间金字塔层数的选取进行了讨论分析,并最终选用直方图交叉核函数,视觉单词个数设为500,金字塔层数设为3,此时得到的识别率较好。另一个是常规的形态学测量,即纤维直径、鳞片高度、鳞片密度、径高比。为了提取纤维图像的形态学指标,需要在图像预处理的基础上对其进行图像分割以及形态学处理,在此基础上需对纤维图像的特征参数指标的测量方法进行研究,而本文通过用骨架化算法可以获取光滑、连续的中轴线,因而可以作为最终的纤维中轴线。并且通过用改进的中轴线法可以很好地求取纤维鳞片高度。利用支持向量机作为分类器进行识别,并对核函数类型的选取、相应方法的选取进行分析,并最终计算得到羊绒羊毛的识别率。通过比较可知,利用词包模型方法得到的羊绒羊毛的识别率比常规的形态学测量方法的识别率要高。