纸浆纤维的形态参数如长度、宽度、卷曲度等对于成纸性能有重要的影响,因此准确获取纤维的重要参数,对生产高性能纸张变得越来越重要。为了准确测量纤维的各种形态参数,必须首先提取纤维的几何特征,其中关键问题之一是实现交叉纤维的分离与识别。本文结合国内外的发展现状,对纸浆纤维的分割与识别方法进行了深入的探讨。目前,国内外对线状目标特征提取方法的研究已经深入到多个领域,常用的方法主要有:基于边缘检测的方法、基于曲线跟踪的方法、基于图像变换的方法、模板匹配法及骨架提取法等。这些方法具有一定的应用价值,但在效率、精度、通用性和抗干扰能力等方面都还有很多的工作要做。本文首先改进了对纸浆纤维图像的去噪和增强方法,该方法借鉴了新的图像处理方法-Curvelet分析理论,并结合纸浆纤维图像的特点,针对图像的方向特性,充分利用Curvelet变换的方向性能和高效的边缘表达能力。通过对纸浆纤维图像的边缘检测验证了该方法能较好的完成对比度低、噪声高、有分叉或重叠结构的复杂图像的边缘检测。本文进一步讨论了一般线状目标的识别方法。并以纸浆纤维为例,具体说明了交叉纤维的分离和识别方法,并结合纤维的宽度信息识别分叉纤维和交叉纤维。经验证,本文中基于Curvelet变换的图像预处理方法在纸浆纤维图像分割与识别中有很好的效果。