随着计算机技术的不断发展,纺织行业中很多传统的检验工作逐渐被计算机自动检测取代。检测效率得到提高的同时,检测的稳定性得到了保证。本课题为教育部留学回国人员科研启动基金资助项目和全国百篇优秀博士学位论文作者专项资金资助项目。结合上海市出入境检验检疫局对纺织品纤维自动化检验需求,对棉、麻等天然纤维素纤维和各种异形纤维进行纤维的计算机自动识别算法的研究。该课题已于2007年12月通过国家商检总局的项目鉴定。图像中物体的边缘是最基本的特征之一,纤维的截面图像中纤维的各种特性可通过它的边缘信息计算得到。边缘检测的结果提供纤维的边界以及结构信息。边缘表征的纤维轮廓信息用于后续的纤维识别算法中的特征提取、识别判断等。所以,边缘信息提取的正确性影响到纤维识别的性能。通过分析和实验验证,经典的图像边缘检测算法不能在纤维识别中得到很好地应用。它们的输出中存在虚假边缘和多重边缘输出。这些无用成分影响了特征参数的提取以及纤维识别的正确率。针对纤维截面图像的特点,本文提出使用掩码边缘描述纤维轮廓特征的方法;研究了纤维掩码边缘计算中的阈值自适应计算方法。掩码边缘的计算过程中包含两个阈值(称为高阈值和低阈值)的确定。其中高阈值是全局阈值,与图像的噪声、对比度等参数有直接关系。本文中,高阈值用于确定纤维的存在性,因此在一定的取值范围内的变化不会影响掩码点集合的大小以及纤维的存在性。通过高阈值计算得到的结果确定了各纤维的轮廓的主要部分。为了提高纤维掩码的连续性以及最大限度地降低噪声输出,本文对图像的背景噪声进行评估。利用二分法确定低阈值的取值范围,使得掩码输出中包含各纤维的所有边缘信息。同时,输出中不可避免地包含了很多噪声。通过二分法确定的低阈值必须使得噪声输出与纤维边缘输出呈现不同的特征,纤维边缘输出为连续的掩码,而噪声由于自身的不相关性表现为孤立的点状输出。本文利用这一特性进行纤维掩码边缘信息的提取。双阈值的计算过程是空间连通性的计算过程,一般使用递归程序实现,会占用大量的栈空间。通过使用连通分量分析法可以避免这一问题。实验证明,通过掩码边缘双阈值算法得到的掩码边缘可以很好地抑制伪边缘和多重边缘输出,减少了纤维轮廓信息输出中的干扰分量,使得最后得到的纤维轮廓信息具有高信噪比以及良好的连续性。对于严重粘连的纤维,通过纤维分离得到的各个纤维对应的掩码边缘存在变形,影响纤维特征的提取,如纤维的周长、面积、圆整度等。通过Hilditch细化算法,这种干扰表现为闭合曲线上的毛刺。通过平滑算法去除毛刺,消除闭合曲线上的干扰后,进行掩码还原,保证了后续算法对纤维的面积和周长等特征参数的正确运算。