羊绒作为珍贵的纺织材料，无论是从维护消费者利益还是从保持混纺加工的性能互补性上考虑，快速、客观、准确的鉴别羊毛和羊绒是十分必要的。利用计算机数字图像处理的方法，无疑具有较强的优势。本课题中数字图像处理的对象是光学显微镜下得到的羊绒羊毛纤维图像。为了获取有效的特征向量，需要对图像进行必要的预处理，主要的处理方法有：图像二值化、图像填充、图像空域滤波、图像频域滤波、图像形态学处理等。根据羊绒羊毛区别，用纤维直径、鳞片密度、鳞片厚度、径轴参数和粗糙程度共8个特征来表征，其中粗糙程度是用灰度直方图的均值、标准差、三阶矩和熵共四个特征来表示的。在进行羊绒羊毛纤维识别前，首先为了降维，对提取的特征量进行了主成分分析。然后利用贝叶斯决策理论和支持向量机的模式识别方法对羊绒羊毛特征向量进行交叉验证，结果显示支持向量机方法要优于贝叶斯决策理论方法。交叉验证的过程是随机将200幅的样本图像（各100幅）的90%为训练样本，剩余10%作为待识别样本，这样循环100次，平均识别率为92.45%，无偏估计方差为0.287%。按照从理论研究到实际应用的过程，算法实现的编程语言是从MATLAB到C/C++语言；识别结果表现形式是从MATLAB界面到WINDOWS界面再到WINCE界面；实验平台选择由计算机系统到嵌入式OMAP3530系统。