朱耀麟，穆婉婉，武 桐

(1.西安工程大学 电子信息学院，陕西 西安 710048； 2.西北工业大学 电子信息学院，陕西 西安 710072)

我国是羊绒制品生产、加工和出口大国，国际市场上大部分羊绒制品都来自我国[1]。由于羊绒与羊毛纤维外观形态、化学结构和物理性质等都非常相似，市场上存在使用羊毛掺混在羊绒中进行销售的现象。但二者价格和服用性能都相差巨大[2]，因此，建立客观、准确的羊绒羊毛纤维自动识别模型具有重要的现实意义。基于图像处理技术的方式效率高且成本低廉，是纤维鉴别领域最常用的方法。

传统的基于图像处理技术的羊绒与羊毛鉴别方法，是通过提取纤维直径、鳞片高度、鳞片厚度等纤维表面形态特征参数进行区分。石先军等[3]采集了羊绒羊毛纤维的9个形状参数，并对其差异的显著性进行了排序，遴选出最优组合。但这种方法对数据的敏感程度高，特征的测量工作难度较大，且近年来羊绒“羊毛化”现象严重，这种方法很难再满足要求，一些学者开始使用纹理特征、形态及纹理特征的融合特征来识别羊绒和羊毛纤维。焦明艳[4]使用灰度共生矩阵(gray-level co-occurrence matrix，GLCM)来描述图像纹理，并从中提取了5个二次统计量作为特征参数进行了分析。刘伟丽[5]提出一种基于局部二值模式(local binary pattern，LBP)识别方法，将纤维的光学显微镜图像转变为局部二进制编码，使用支持向量机(support vector machines，SVM)进行分类，并比较了经典LBP、旋转不变LBP、dis LBP等几种特征下的识别率。邢文宇等[6]使用纤维形态和纹理2种特征表征图像内容，且每种特征采用不同类型的预处理操作，取得了不错的效果。……