羊绒和羊毛的鉴别一直都是纺织研究领域的重要课题。目前用于羊绒检测的方法有很多种,美国AATCC和IWTO规定的检测方法多为光学显微镜法和扫描电镜法。电镜法是较为精确的一种检验手段,但设备成高,耗时过长,仍旧依赖人的经验。而根据光学显微镜很难提取到清晰的羊绒和羊毛鳞片图像。因此建立能够有效减轻人工劳动强度,提高鉴别精度和鉴别效率的羊绒羊毛纤维数字化识别系统的需求是十分紧迫的。本文是基于图像纹理特征的羊绒羊毛鉴别。鳞片纹理是图像的全局特征,从某个角度来说,纹理是隐含在图像灰度差异性中的物理结构信息,它体现了图像中灰度分布的某种规律性。本文采用了灰度共生矩阵纹理分析方法来描述图像中灰度分布的规律性。灰度共生矩阵纹理分析法不是依靠图像本身灰度这个一维特征,而是通过图像中相邻像素点的灰度在平面上的连续变化规律(二维灰度变化)来描述图像的纹理特征。课题首先通过分析灰度共生矩阵的构造因子(距离d、图像灰度级k和θ扫描方向对纹理参数的影响,同时考虑了羊绒和羊毛自身的特点,确定了适于羊绒和羊毛的灰度共生矩阵纹理分析方法:d=5,k=256,θ则取0°,45°,90°,135°四个方向,纹理参数取这四个方向纹理参数的平均值。并最终提取了羊绒和羊毛表面鳞片的14个纹理特征,如角二阶矩、对比度、相关性、逆差矩、方差、和熵、集群突出等;由于这14个特征值不是完全线性无关的,所以紧接着对获取的纹理特征参数进行主成分分析,得到了独立且能高效描述纹理特征的参数体系;最后建立性能最佳的BP神经网络模型,然后对羊绒和羊毛的纹理特征主成分重新进行建模分类。课题研究结果显示,羊绒与羊毛的纹理特征有较大的差异,应用纹理分析方法鉴别羊绒羊毛得到了较高的准确度。