废纸的二次回收利用可以有效减轻造纸行业面临的资金、原材料供应不足以及产能低下等诸多问题。废纸杂质的识别分拣以前都是基于人工进行操作的，不但效率低下，质量难以保证，还严重威胁着操作工的身体健康和人身安全。相关自动分拣设备要么还处于试验阶段、要么精度还远未达到实际应用的地步，严重制约着废纸回收产业的快速可持续发展。随着我国节能减排和环保观念的日渐提升，开发具有高度集成的废纸杂质回收系统迫在眉睫。本文以废纸杂质跟踪为对象，开展废纸杂质高动态范围图像的实时获取与预处理技术研究。首先，建立PC机、目标物体、CCD传感器与分拣机械手四者的空间数学模型，以最优图像获取质量为目标，设计CCD摄像机镜头位置结构。而后通过建立图像光强与快门数据库、灰度卡CCD传感器标定技术，实现废纸杂质高动态图像的实时采集。然后运用特征变换与边缘检测技术，实现废纸杂质图像的滤波、特征点提取。最后通过目标图像的多层次、多分辨率之间的图像信息融合，从而获得更加精确的废纸杂质图像信息，推动废纸杂质运动跟踪技术的应用。本论文的研究内容主要有以下几个方面：1）基于图像的基层信息快捷性和可靠性，采用边缘轮廓进行图像识别。提出了全新的边缘轮廓提取和优化方法，能够实现图像轮廓的可靠提取。边缘信息作为图像的最基层信息，能够不失真地对图像进行可靠表征，完整地表述图像信息。2）针对废纸杂质的形状不规则性和实时多变性，提出了依靠不变矩和边缘直方图的废纸杂质识别算法，该算法以可靠的边缘检测算法为基础，能够很好地将全局信息和局部信息相结合，从而全面的对图像特征信息进行不失真的描述。3）针对图像信息处理过程中产生的大量信息冗余，提出了基于并行机制的高效图像处理算法。该算法以不变矩和分形维数为基础，将图像的全局信息和局部信息整合为一个描述子，该描述子能够完整的反应图像的内容信息。该算法能够并行完成图像的处理和信息提取，提升了系统响应速度，满足了实际应用中的实时性要求。4）对图像信息的高层信息特征和视觉系统的分类进行了详细探讨。针对图像的高层信息提取及表达较为简洁完整，使用SIFT特征对敏感特征进行了提取，在全局模式下以此为切入点进行了图像匹配，根据图像的具体匹配效果进行图像的识别。该方法能够较为有效地完成不同类别的废纸杂质分类。经实验仿真证明，上面提出的各种算法能够准确、快速地完成废纸杂质的识别与分拣。