籽棉异性纤维含量少，但危害性很大，在纺织产业加工中难以清除，影响我国棉纺企业的经济效益，制约我国棉花产业的发展。籽棉异性纤维高光谱图像研究有利于提高我国棉花质量检测技术水平，对提高棉花质量有重要的意义。　　 异纤在籽棉中处理难度大、识别率低。针对这一问题，本研究提出了一种基于高光谱技术的籽棉异性纤维处理方法，处理包括白色丙纶丝、白色化纤布和地膜等3种难检类异纤和枯叶、棉籽等2种伪异纤以及棉花，实现籽棉异性纤维的识别分类。主要完成以下工作:　　 （一）完成了基于高光谱技术的籽棉异性纤维图像采集。介绍了实验所需材料，高光谱图像采集系统的硬件和软件系统，以及采集过程和图像采集参数设置。介绍了高光谱图像的特点和高光谱图像的处理方法。　　 （二）介绍了高光谱图像信息的融合和降维方法;应用基于最小噪声变换( MNF)的信息融合方法和基于光谱分析的信息融合方法对871.47nm-1766.32nm范围内籽棉异纤高光谱图像进行了处理，并对上述两种方法进行了比较。　　 （三）分别采用阈值分割、边缘提取和形态学分割方法对籽棉异纤融合图像进行分割，通过各种方法分割效果的比较，确定迭代阈值法作为籽棉异纤融合图像的分割方法;在分割后图像中枯叶和棉花已经剔除，证明光谱特征波段选择的有效性;从异纤和伪异纤的实际区别出发，分别提取其主要形状特征和纹理特征，并进行特征筛选，最终确定光谱反射值、外观比、灰度共生矩阵等作为识别特征。　　 （四）基于光谱分析技术和纹理特征、形状特征的方法，建立了籽棉异纤的识别模型，并进行了识别实验。介绍了籽棉识别的流程:采集出籽棉及异纤、伪异纤的高光谱图像，对高光谱图像进行降维，对图像进行预处理和分割，结合外观比、灰度共生矩阵进行特征提取，将提取后的特征进行选择，运用模板匹配剔除棉籽，完成籽棉异纤识别;使用该方法对籽棉异纤高光谱样本图像进行了处理，实验结果表明，对于以上3种异性纤维，白色丙纶丝和白色化纤布识别率达到90％左右。证明了该方法的有效性。并对出现的误识别和漏识别现象的进行了原因分析。　　 本研究采用高光谱图像分析方法对籽棉异性纤维进行了识别研究，采用MNF和光谱分析的方法分别优选了特征图像和第935nm、1430nm、1470nm、1650nm、1690nm等5个特征波长，采用迭代阈值法方法对融合图像进行分割，通过模板匹配方法实现异纤的识别，总体识别正确率达到了84.O9％，证明了方法的有效性。为高光谱成像技术能运用于籽棉异纤检测的算法提供理论依据，具有重要的研究意义。