羊绒制品具有极高的经济价值,出于对市场进行规范化和保护消费者合法权益的目的,进行羊绒羊毛纤维的鉴别是很有必要的。基于数字图像处理和图像识别的纤维检测技术由于具有识别效率高且相对客观的优点,被广泛的应用于羊毛羊绒纤维检测领域,并且成为了该领域研究的热门方向。本次研究将微分干涉差显微镜提取的羊绒羊毛纤维图像各100幅进行了图像预处理以及纤维特征的提取,最后将纤维特征通过分类器将图像进行分类。在图像预处理阶段,主要是利用数字图像处理技术对纤维图像进行处理,从而达到简化特征提取的过程,提高特征提取的效率的目的。在特征提取阶段,本文进行了16个特征的提取,包括9个纤维结构特征以及4个纤维统计特征,提出将纤维斑纹参数作为纤维的特征,进行了纤维特征仿射不变性的讨论;之后,对纤维鳞片翘角以及纤维鳞片厚度进行了建模并提出了一个新的角点检测算法,并基于该算法实现了对上述2种特征的提取。在图像识别的阶段通过三种分类器的比较,选择SVM支持向量机作为分类器对提取的纤维特征进行识别分类。通过交叉验证求其平均识别率的方法对16个纤维特征进行了单一特征的识别率的计算,之后将这些纤维特征组成特征向量并进行主成分分析实现特征降维,通过交叉验证得到综合识别率为90.25%。