棉花中的异性纤维的种类与含量与棉制品的质量息息相关。较早的异性纤维检测与计量方法是手工挑拣和人工称重。由于人眼的局限性，这种方法不能满足日益提高的纺织品质量要求。随着计算机科学的发展、多种机器识别和机器计量方法的出现，对异纤的处理效率有较大的提升，但由于异性纤维的比重各异,笼统的重量计量不能对异性纤维的危害程度给出准确的评价。本研究选择羽毛、麻绳、有色线、塑料片、头发、丙纶丝和有色纸片七种典型的异性纤维作为研究对象，旨在融合计算机图像处理技术和数学统计学方法建立起一个棉花异性纤维危害性评价模型，用以评价异纤的危害程度。主要研究内容有：1、异性纤维图像分割：利用基于小波变换的图像分割方法经过三次小波变换对通过图像采集装置采集的棉花图像进行图像分割，得到异性纤维目标图像；2、异性纤维特征提取、分类识别和计量：对异性纤维的色彩、纹理、形状特征进行特征提取，形成有效的用以描述异纤目标图像的特征向量，再通过凝聚型层次聚类算法和穷举法对提取的特征向量进行优化，选择最优特征向量。以最优特征为指标通过主成份分析和BP神经网络相结合的方法对异性纤维进行分类识别和计量。本方法对所研究的异性纤维的正确识别率皆为95%以上。3、异性纤维危害性评价：建立基于种类和数量的异性纤维危害性评价模型，从各种异性纤维的数量得出异性纤维危害等级。该模型综合考虑异性纤维种类、数量和危害等级，是较全面的棉花质量评价体系，从而克服现行标准中重量指标存在的对各种异性纤维同等对待的问题。本研究对以后异性纤维剔除和降低异纤危害等研究具有一定的参考价值。