羊毛直径和曲率是羊毛纤维检验和分类中最为重要的测试指标，也是绵羊育种中最为重要的经济性状指标。羊毛纤维的纹理特征反映了不同等级羊毛的宏观纹理特性，实验证明纹理特征在羊毛检验和分类中也取得了不错的效果。　　 本文提出了一种基于图像分析的全自动直径和曲率的测量方法，该方法充分利用图像处理学科的成熟技术，首先对采集的图像进行图像增强，利用canny边缘检测算子提取出纤维边缘，根据纤维图像的特点用聚类的方法对增强后图像进行二值化，并对二值化图像进行一系列后处理，然后提取出纤维的骨架，进而通过距离变换和特定的搜索算法计算骨架上每个点对应处的纤维直径和曲率。实验结果表明，该方法与基于直线拟合的方法相比，不仅计算速度快，而且绕开了很多可能产生误差的环节，测量准确率较高。本文也提出了把基于Gabor滤波器的纹理分析方法应用在羊毛图像分类中，实验证明，在图像质量比较好时，纹理分析也能取得很好的分类效果。　　 为了克服单独依靠直径、曲率和纹理特征进行分类的局限性，增强算法的准确度和稳定性，本文提出了基于信息融合的羊毛图像分类方法。用基于贝叶斯法的信息融合方法融合了羊毛的直径、曲率和纹理特征对羊毛图像进行分类。实验证明该方法可以准确、快速和批量的处理羊毛图像。