我国生态环境脆弱,林业资源匮乏,因此需要提高木材的利用率,有效地利用有限的森林资源,以缓解日趋紧张的木材供求矛盾。快速而有效的原木缺陷检测技术对原木缺陷进行检测以及分类,以实现合理利用木材,从而对于充分利用国家林业资源具有重要的实际应用价值。本文研究出一种有效的原木缺陷无损检测算法,主要工作及研究内容有以下几个方面。在对点特征、线特征、面特征、颜色特征和纹理特征等图像常见特征进行研究与分析的基础上,本文采用SIFT(Scale Invariant Feature Transform)特征提取算法对原木缺陷图像进行特征提取。SIFT特征是一种点特征,具有尺度不变性、旋转不变性以及光照不变性等优点,能够很好地保留图像特性。通过实际原木缺陷图像进行了特征提取的仿真实验。将文本处理领域的BOW(Bag of Word)模型引入本文研究,研究提出了一种基于BOW模型的原木缺陷自动分类算法。首先,通过K-means聚类算法对原木缺陷的SIFT特征进行聚类,得到原木图像的视觉词典。而后,根据词典对每一幅图像中的单词进行词频-逆文档频率统计,建立原木图像的BOW模型,利用向量的形式对原木图像进行表示。采用SVM(Support Vector Machine)分类器对原木缺陷进行自动分类实验。首先,使用训练集中标定好的原木缺陷图像对SVM分类器进行训练。而后,采用训练好的SVM分类器对测试集中的图像进行自动分类实验,并对得到的结果进行统计与分析。本文选用原木活节、死节以及虫眼三类具有代表性的缺陷进行仿真实验,实验结果表明,本算法对原木这三类缺陷的自动检测及分类正确率达到91%,分类结果稳定,能够实现原木缺陷快速无损检测的要求。