1.一种基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，包括：(1)采集待检测样品的图像，并对采集到的图像进行预处理，得到预处理后的图像；

(2)对预处理后的图像进行二值化，得到二值化图像；

(3)将二值化图像划分为若干个窗口，以包含像素值为0的像素点的窗口作为目标窗口；

(4)根据二值化图像中各个目标窗口内的所有像素点的像素值，采用灰度共生矩阵分析法获取各个目标窗口的灰度共生矩阵；

(5)针对每个灰度共生矩阵，计算该灰度共生矩阵的特征值，并以计算得到的特征值作为该灰度共生矩阵的特征向量；

(6)分别将各个灰度共生矩阵的特征向量输入分类器中鉴别各个灰度共生矩阵对应的目标窗口是否为异质纤维，并在二值化图像中标记鉴别结果为异质纤维的窗口，所述的分类器为训练好的RBF神经网络。

2.如权利要求1所述的基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，所述步骤(1)中的预处理过程包括如下步骤：(1-1)采用加权平均法对采集得到的图像进行灰度化处理得到灰度图像；

(1-2)通过灰度直方图规定化对灰度图像进行光线校正；

(1-3)采用高斯滤波对光线校正后的灰度图像进行去噪。

3.如权利要求1或2所述的基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，所述步骤(2)中采用基于otsu算法和局部阈值分割算法对预处理后的图像进行二值化，具体如下：(2-1)对灰度图像中任意一个像素点，确定当前像素点的n邻域像素点，并计算当前像素点对应的所有n邻域像素点的平均像素值；

(2-2)采用otsu算法确定灰度图像的最佳阈值，对灰度图像中任意一个像素点，将当前像素点对应的平均像素值满足条件：pm＞dm-5，且pm＞T，

则令当前像素点的像素值为255，否则，令该当前像素点的像素值为0，pm为当前像素点的像素值，dm为当前像素点对应的平均像素值，T为该灰度图像的最佳阈值。

4.如权利要求3所述的基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，所述的n为3～5。

5.如权利要求4所述的基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，所述步骤(3)中的窗口为矩形窗口。

6.如权利要求5所述的基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，所述矩形窗口的大小为10×10～16×16。

7.如权利要求6所述的基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，所述步骤(4)中采用灰度共生矩阵分析法获取各个目标窗口的灰度共生矩阵前先将二值化图像的灰度级压缩为8级或16级。

8.如权利要求7所述的基于RBF神经网络的棉花异质纤维鉴别方法，其特征在于，所述步骤(5)中的特征值包括角二阶矩、对比度、熵和逆差矩。