1、纖維的自動識別是涉及圖像處理、模式識別、計算機視覺等多個領域的綜合性研究課題。傳統(tǒng)纖維檢測方法存在諸多弊端，隨著計算機圖像處理技術的不斷發(fā)展，纖維自動識別的研究工作有了很大的進展。但通過計算機對纖維進行自動識別研究仍有相當大的難度。對于該領域國內(nèi)外的研究還比較少，還有很多問題尚待解決。本課題為國家教育部全國百篇優(yōu)秀博士學位論文作者專項資金資助項目和留學回國人員科研啟動基金資助項目，并結合上海市出入境檢驗檢疫局的實際需求對紡織品和纖維檢驗

2、進行研究。課題研究的重點是棉、麻等天然纖維以及各種異形纖維的顯微圖像的計算機識別。該課題己于2007年12月通過國家商檢總局的項目鑒定。
　　 纖維自動識別系統(tǒng)首先對獲取的纖維橫截面顯微圖像進行預處理（包括光照不均去除、纖維圖象邊緣提取等）；之后提取單個纖維并統(tǒng)計纖維的幾何特征參數(shù)；然后通過支持向量機(SVM)分類器進行纖維分類，實現(xiàn)對纖維成分的自動檢驗和纖維類型的自動識別。其中，最為關鍵的技術包括圖像預處理、纖維圖像分割、纖維

3、特征提取和纖維識別。本文的主要研究內(nèi)容為纖維圖像分割中的粘連纖維的判斷和分離，以及纖維特征參數(shù)提取中的骨架提取。
　　 由于纖維切片樣本制作工藝上的限制，采集到的纖維灰度圖像中不可避免地存在粘連纖維，影響了后續(xù)算法的精度。因此，纖維圖像分離是纖維成分識別的重要環(huán)節(jié)。其目標是實現(xiàn)纖維對象與圖像背景的分離以及各粘連纖維對象之間的分離。為了較為真實地對粘連對象進行分離，首先需要對粘連的纖維進行準確地判斷。本文結合纖維的特點，對輪廓的三

4、角形面積多尺度表示進行了研究，提出了一種粘連纖維的判斷算法。經(jīng)實驗驗證，該算法能夠很好地判斷重度粘連的纖維，保證了粘連纖維分離算法的輸入的準確性。
　　 粘連纖維的分離準確性對纖維特征識別的準確率有直接影響。本文分析總結了圖像分離領域中常用算法的特點及其在纖維圖像分離應用上的局限性。針對纖維圖像的特點，提出了一種基于歐氏距離變換剝離的粘連纖維圖像分離算法。本算法能準確地對纖維圖像進行分離計算，并能有效地處理纖維圖像中的多重粘連問

5、題，保證了后續(xù)算法的準確性。
　　 物體的骨架包含了形態(tài)信息，作為一種降維的物體形態(tài)描述方式，包含了物體目標的輪廓和區(qū)域信息，反映了目標的重要視覺線索。骨架的線形連通結構易于轉(zhuǎn)化為樹或圖的形式，為物體的特征匹配帶來方便。本文研究了各種的骨架提取方法，提出了一種基于距離變換剝離的骨架提取方法，能夠?qū)崿F(xiàn)連續(xù)的、滿足人類視覺規(guī)律的骨架的提取。所求骨架位置準確，而且對物體邊緣噪聲不敏感。無需再行剪枝計算。本文提出的算法具有很強的通用性和