木材表面缺陷检测技术是一种基于机器视觉与计算机图像识别的多学科技术,通过对木材图像特征值的提取与分析,将缺陷识别,并广泛地应用在木制品原材料挑选方面,具有极高的实用价值。木材表面缺陷图像的检测原理是利用光学设备的图像拍摄和计算机的逻辑运算能力代替人类的眼睛和大脑,来对木材进行感知并且以特定的方式识别出木材表面图像中的缺陷部分。首先通过光学设备获取木材表面缺陷图像,并将其以数字图像的形式保存。其次通过算法把获得的木材表面图像进行预处理并分块,提取出木材表面缺陷图像子块的特征,然后对提取出来的特征进行模式识别方法的训练,建立模型。通过模型来达成对木材缺陷图像进行识别和分类的要求。本文主要以木材的死节、活节和虫眼三种常见缺陷为研究对象,对木材的缺陷图像分块和模式识别方法进行了研究。通过对木材表面缺陷的分析,发现了颜色和纹理特征是木材缺陷和正常部分的最大区别之一。然后对木材表面图像进行分块,提取子块的颜色和纹理特征,并使用支持向量机训练,建立了缺陷在木材表面存在的模型。随之提出了基于颜色和纹理特征的木材表面缺陷识别方法。其中分别使用了灰度最大熵、颜色聚合向量和颜色矩三种颜色特征和LBP纹理特征对缺陷进行了识别。以下为本文主要工作:(1)分别使用颜色或纹理作为特征,建立了模型,并正确地识别出了木材表面的缺陷。但是单一特征的木材表面缺陷检测容易出现误检,使识别结果并不与真实情况完全符合。(2)由于单一使用颜色或纹理作为特征识别木材表面缺陷的效果不佳,会出现误检,本文尝试了将两者特征一起作为特征进行识别,以期相对于单一特征的木材表面缺陷识别方法,其能更进一步地将缺陷识别。试验结果表明,两者特征融合实现了互补,可以在正确识别出木材表面缺陷的前提下,减少了识别的误检率。且所有识别方法在识别纹理不明显的旋切木板时的精度远远高于测量纹理明显的旋切木板精度。