1.绪论
鸭纸与鹅绩的主要区别在于他们的形态结构不同，可以通过续小枝的菱节来区别，对于不含菱节的羽纸可以通过隆节的节距来区分。目前国内外普遍采用显微镜法将鸭域、鹅绒分类，通过对鸭线、鹪绒的微观结构进行分析加以区分。一直以来国内外一些学者致力于研究鸭级与鹅域的显微结构。日本太田奈穂树等通过显微镜对鸭绒、鶴纟戎鹤子域等羽续的微观结构进行了分析，对节点进行细致的归类，分为三角形节点、尖端分叉短的节点、尖端分叉长的节点、环状形节点、壶状形节点、膨胀型节点，并且对鸭绒与鹅绒的最大节点宽度的频数分布、最大节点间距的频数分布、最大节点密度的频数分布釆用直方图的形式进行了比较和分析，最后对所得的结果采用F检验发现，节点间距与节点密度两个参数有显著区别，可以作为鉴别两者的特征参数。国内胡仲云等采用统计学的方法，从14个省份进行采样，并且釆集的样品根据年龄段不同进行分类。将羽绒纤维分为有菱绒、无菱绒和有菱变异线，并且依次将三类域的形态特征作了描述。就目前的情况来说，采用显微镜法不能准确的将鸭线与_绒进行分类，因为试验观察到的鹅线和鸭域的微观形态结构和现有标准的描述相比有一些差异，且存在无法区别的鹅绒和鸭绒部分。同时羽域是天然纤维，其形态结构且与环境条件。
使用计算机图像处理技术对鸭绒与鹤域纤维进行鉴别，首先利用光学显微镜对鸭绒与鹅绒纤维实时成像，通过图像采集卡将鸭绒与鹤纟戎纤维的光学图像传送至计算机系统，由计算机系统对显微图像进行灰度变换、滤波等图像处理，然后对图像分割，根据二种纤维的形态特点提取特征并加以分类识别。该方法不仅能节省人力，而且能提高鸭域与鹅绒纤维鉴别的速度和鉴别结果的客观性。对于鸭绒纤维与踏域纤维的鉴别，传统的方法是借助普通光学显微镜人工来鉴别。而在近几年由于计算机技术的快速发展，图像处理计算在各行各业应用更为广泛。图像处理计算逐渐应用到鸭绒与鹅域纤维的识别当中。目前国内已有一些学者致力于研究鸭绒与鹤纸的自动识别系统，如燕孝飞等[28]SVM引入羽绒识别中，用计算机自动完成对羽纸的识别。在羽绒图像经过图像处理的基础上，用SVM对二值图像中的菱节进行识别，然后对识别出的菱节进行配对、计算节距，由计算机自动确定羽绒的种类。但是计算机的自动识别率有待于提高。葛洪伟等129]再其基础上采用拟牛顿法对其内核进行优化，提高了识别率。而王艳秋提出了基于SVM和GA (遗传算法）的羽绒图像处理，实践证明，羽绒识别率逐步提高。但是此系统没有广泛用于实际检测中，其检测结果的稳定性和正确性有待于提高，且不能对不含菱节的羽城进行鉴别。
由于鹅域纤维具有优良的特性，它的蓬松度和保暖性优于鸭绒纤维，并且几乎无异味，所以鶴域纤维的价格比鸭绒高，同时鹅纸与鸭域纤维的外观形态结构和化学成分存在诸多共性，使得一些不法商贩在鶴纸中掺入鸭续纤维的造假现象越来越严重，这种造假现象严重影响了市场秩序，且这种现象一直都未能得到很好的控制。而我国又是羽辣的出口大国，羽域制品出口贸易量己占世界羽绒制品市场70%的份额，出口时由于鹅级中鸭域含量超标而退货的现象屡次发生。因此，有效、准确、快速的鉴别鹅缴和鸭绒纤维已成为当务之急。
3羽绒纤维图像处理方法研究……………….17
3.1羽绒纤维图像处理的概述………………17
3.2羽绒纤维图像预处理………………20
3.3图像分割………………23
4羽绒图像特征参数提取………………32
4.1绒小枝不存在交叉羽绒图像特征参数的提取………………33
4.2绒小枝存在交叉羽绒特征参数的提取………………34
4.3本章小结………………35
5羽绒分类识别………………36
5.1图像模式识别方法………………36
5.2判别函数建立………………37
5.3羽绒的识别………………40
5.4本章小结………………41
结论
本课题的研究，是计算机技术在羽续检测行业应用的一个新思路，是适应当前社会发展和人们的生活需求；为计算机在羽绒检测的方法和技术上提供了重要依据，并将填补国内外在此领域的空白。虽然本文利用的图像处理技术可在一定程度上以准确实现对鸭域与鹤绒纤维图像的准确、快速识别，但是，在某些方面还是存在一些改进的地方：(1)在进行图像处理的时候，由于处理方法的多样性，还需要对这些方法进行更深入的研究和分析，找到更优的图像处理方案；(2)在对羽级纤维特征指标提取的基础上，测量方法及算法还有待遇进一步改进，更小的减小误差，准确的反映出羽绒纤维特征指标的测量值；(3)本文自动识别对图像要求高，对于级小枝重叠较多的图片，很难采用本文提供的方法实现，需要借助于半自动识别方法。(4)将鹅、鸭域细分类，对不同产地的鹅、鸭的羽绒图像进行研究或者另找突破口，然后对我们的羽续种类自动检测系统在功能上进行扩展，从而可以更加详细准确将两种羽域分类。根据具体情况实行半自动识别和自动识别相结合的方法来识别两种羽绒。手动识别是基于测量以上四个特征参数来实现。自动识别是基于图像处理来实现。初步制订了本文图像处理的大致步骤和路线，然后利用MATLAB 7.5进行试验，通过对各种不同处理方法的实验效果比较，最终组合选出适合本文的处理方案，得到了目标图像。
参考文献
[1] Ohta，N., Iwamoto,R.，Aiba，S.，Muraka,T.Munakata，w. andKawaguchiR. MicroscopicalIdentification of IDFB Testing Regulations[S]. Goose and DuckDowns[J]. Textilescience,2004,9(2):95-102.
[2] Hopps，E.C.Information on waterfowl feather characteristics[J].Transactions of the IllinoisState Academy of Science.2002, 95(3): 229-237
[3] Zhang Ke He，Zhou Lan，Shao Jian Zhong, Analysis on the Morphological StructureCharacterization of the down and Feather of Duck and Goose[J] .Advanced MaterialsReasearch,2011,(332-334):1131-1135.
[4] Zhou Y, Xu H.R., Ying Y.B. Discrimination Between Goose Down and Duck Down byFourier Transform Near-Infrared Spectroscopy[J]. American Society of Agricultural andBiological Engineers, 2004，51(4): 1493-1498.
[5] Yan-qiu Wang, Xiaofei Yan. www.51lunwen.org/jsjlwfw/ A revised feather and down recognition model based on MOAASVM [J]. Information Management and Engineering, 2009, 128-132.
[6] Jing Gao, Wei-dong Yu, N.Pan. Structures and Properties of the Goose Down as a Materialfor Thermal Insulation[J]. Textile Research Journal. 2007, 77(8):617-626.
[7] Hollemeyer K ,Altmeyer W ,Heinzle E. Identification and Quantification of Feathers，Down,and Hair of Avian and Mammalian Origin Using Matrix-Assisted Laser DesorptionIonization Time-of-Flight Mass Spectrometry [J]. Analytical Chemistry,2002,74(23):5960-5968,
[8]燕孝飞，葛洪伟，黄向前等.SVM在羽续识别中的应用计算机应用与软件[J].2005，22(9):99-101.
[9]葛洪伟，杨小艳.组合内核与优化算法在羽绒识别系统中的应用m.数据采集与处理，2008，23(2):219-223.
[10]王艳秋.基于SVM和GA的羽绒种类自动检测系统[J].衡水学院学报,2009, 11(4):29-30.
