羊毛与羊绒极相似纤维的鉴别一直都是纺织领域和服装生产行业的重要研究课题之一,传统的方法主要有物理法、化学法、生物法以及感官识别,此类方法的操作较为复杂、效率较低,且容易受到外界因素的影响。而图像法是建立在客观评价分析的基础上,具有批量操作、快速响应、实验简便等优点,因此,本文设计了一种基于数字图像处理和多特征融合图像分析技术的图像法羊毛与羊绒相似纤维自动识别算法系统。本文的研究主要涉及以下内容:纤维图像采集及处理系统搭建;纤维图像预处理方案设计;纤维纹理及形态特征提取与分析;纤维图像分类识别。首先概述了近30年来国内外基于图像处理技术的羊毛与羊绒纤维纹理及形态特征分析的研究进展,总结了图像法应用于纤维鉴别的主要流程,并对本文的研究内容、创新点以及研究思路进行了简要地概述;其次,详细介绍了应用于纤维图像观察与采集的光学显微镜、数字化相机等硬件模块,以及应用于纤维图像传输、保存、处理及分析的软件模块,并提出一种片段化纤维制样的方法,从而保证显微镜观察到的视野中仅含有一根纤维;再次,通过对图像增强、去噪、分割、形态学处理、边缘检测、连通域分析等数字图像处理算法的研究,设计了六种不同的纤维图像预处理方案,其中三种可应用于纹理特征的提取,三种可应用于形态特征的提取,讨论了六种方案的优缺点之后,选择了第三种和第六种方案分别对采集到的纤维图像进行预处理操作,以获得应用于纤维纹理及形态特征分析所需的不同的纤维结果图像;此外,本文在充分调研了特征分析算法及其在纤维识别领域中的应用情况下,采用了灰度共生矩阵、分形分析、马尔科夫随机场三种不同的纹理特征分析算法分别对纤维的表面纹理特征及模型参数进行提取,同时,设计了一种交互式测量方法对纤维的形态特征进行分析,以实现对纤维直径、鳞片高度、径高比等特征的测量;最后,通过对机器学习算法的概述与分析,借助于十次十折交叉验证方法和高斯核函数构造的支持向量机分类器,实现了不同纹理、形态特征分析方法下的羊毛与羊绒纤维种类识别。实验结果显示了四种特征分析算法应用于羊毛与羊绒相似纤维鉴别时的识别精度分别为90.15%、82.26%、94.49%、94.78%。由于纤维种类较多,且生长过程中纹理或者形态容易产生变异,从而导致单一的特征分析算法更容易有识别错误的情况发生。因此,本文在单一特征识别分析的基础上,提出了一种基于纹理-形态多特征融合的纤维图像分析技术。主要将纹理特征分析中识别精度较高的分形分析算法与形态特征分析中的交互式测量算法相结合,同时对纤维的纹理及形态特征进行采集及归一化处理,组成新的五维特征数组,然后采用相同的支持向量机模型进行识别。实验结果显示,该方法应用于羊毛与羊绒相似纤维鉴别的最终准确率为96.99%,相比于单一纹理或者单一形态特征分析具有明显的提升。