棉纺织品生产在我国产量很大,对我们国民经济具有举足轻重的地位。然而原棉中夹带的异物杂质严重影响了棉纺企业的生产以及棉纺制品的质量,造成了严重的经济与非经济的损失。原棉异物识别与剔除系统正是在这样一个很强的应用背景下提出的。于此同时,国外的一些相关的机器设备又存在价格昂贵且使用维护不便等问题的限制。所以自主研究和开发适合我国纺织企业需要的相对价格低、性能优越的原棉异物识别与剔除系统具有深远的意义和影响。基于数字图像处理技术及信号控制技术的原棉异物识别的图像算法与剔除机构的控制的探讨是本文的重点。本文在分析了原棉异物图像的特点后,探索了基于图像掩模滤波处理的边缘检测法、基于改进后的Ostu阈值分割法、基于分形理论的图像识别法、基于分形维数的自适应阈值分割法等多种识别算法。这些算法通过数学上严格的论证,客观地比较了相对的识别方法,有利于在推广应用中实现标准化。通过本文的图像效果的一系列对比实验表明,基于分形维数的自适应阈值分割法对于处理原棉异物图像具有较好的识别效果。同时,对于较难识别的白色丙纶类的原棉异物,特别提出了以纹理特征为参数的基于分析理论的识别算法,给原棉异物杂质的准确识别与定位提供了一条崭新的思路。本文所述的数字图像识别算法和应用技巧以及原棉异物检测剔除机构的设计控制等研发经验亦可移植和应用到其它纺织领域的项目中。全文共分六章,探讨了多种基于数字图像处理技术的原棉异物杂质的识别算法。其中,第一章叙述了本课题提出的背景意义及相关文献的研究情况;第二章概括地介绍了原棉异物检测装置的总体设计框架与硬件搭建情况;第三章提出了几种针对原棉异物杂质图像特点的图像识别算法;第四章重点地介绍了剔除机构的设计与控制过程;在第五章通过一系列实验对比评价了图像识别算法的应用范围;第六章对全文进行总结,并提出进一步的工作展望。