本文研究主要依托中阿高校合作科研项目《中阿合作羊绒产业中羊绒纤维特征参数检测方法研究》进行,随机选取宁夏灵武羊绒市场流通的羊绒与羊毛纤维作为研究对象,利用数字图像采集系统采集两类纤维各1500根的样本图像,结合数字图像处理基本技术,对采集到的图像进行处理,得到单像素宽且边缘连续的纤维鳞边缘图像,进而提取表征纤维特性的8个特征参数和4个组合参数,统计分析各参数特性,最后运用贝叶斯理论建立了两类纤维的鉴别模型,实现了羊绒与羊毛纤维的高精度自动化鉴别。本文主要研究成果如下：(1)研究了羊绒与羊毛纤维图像光学采集条件,确定适宜的采集方式,即光学显微镜采用反射式照明方式,物镜采用景深大、工作距离长的25倍物镜、样本制取须严格按照国际标准IS017751：2007进行。(2)研究确定了纤维图像预处理的最佳方案：源图像→图像灰度化→边缘增强→图像去噪→边缘提取→形态学处理。其中各阶段的最佳处理方法为：图像灰度化采用加权平均值法,边缘增强采用拉普拉斯锐化,图像去噪采用中值滤波,二值化阈值采用128,形态学处理采用膨胀和细化。(3)提取了表征两类纤维特性的8个特征参数(即纤维直径、鳞片高度、鳞片周长、鳞片面积、相对鳞片周长、相对鳞片面积、径高比、方形度)和4个组合参数,即(dh)2、h2·Ad、(dh)2/Ad、 (Dh)2/(Ad·Pd)。在参数测量中,设计了分段测量纤维直径的方法,该方法可有效克服纤维的弯曲给参数测量带来的影响,其测量精度高于常用的三角形法和中轴线法。(4)重点对各参数的分布特征、两类错误概率和相关性进行了统计分析,研究发现：各参数分布参数均服从正态分布；通过各参数的判别临界值、两类错误概率值、交叠面积,计算得8个特征参数正判率由大到小依次为,相对鳞片面积>径高比>相对鳞片周长>直径>鳞片高度>方形度>鳞片面积>鳞片周长,4个组合参数正判率由大到小依次为,h2·Ad>(dh)2>(dh)2/Ad>(dh)2/(Ad·Pd)；各参数间存在线性相关、线性无关、非线性相关三种关系。(5)依据参数间相关性、正判率等关系,选择4种参数组合建立了鉴别两类纤维的贝叶斯鉴别模型。通过对4种模型鉴别结果的分析,发现参数个数、参数正判率、参数间相关性都对鉴别模型的精度有所影响,且参数个数越多、参数正判率越高、参数间相关系数越小的模型鉴别精度越高。依据此原则,最终确定了九参数的最优参数组合贝叶斯鉴别模型,实验表明,其鉴别精度达98.9%,实现了羊绒与羊毛纤维的计算机高精度自动化鉴别。