随着我国经济、社会的快速发展,对木材的需求量日益增加。为了缓解木材供需矛盾紧张的状况,必须加快林木的定向培育、实现木材的高效利用。因此,寻求快速、准确的木材性质检测方法,对于提高我国林木培育质量、木材的遗传改良以及木材的高效利用具有重要意义。近红外光谱分析技术是一种新型的分析技术,能够快速、准确地对固体、液体、粉末状等有机物样品的物理、力学和化学性质等进行无损检测。它综合运用了现代光谱信息技术、计算机信息处理技术以及化学计量学数据分析和多元校正技术最新研究成果,并使之融为一体,以其独有的特点在众多领域得到了广泛应用。近红外光谱信息的特征提取及预测模型的建立是近红外光谱分析的关键技术,如何从复杂、重叠、变动的光谱中提取有效光谱信息是影响近红外光谱技术发展的重要问题。论文在综合分析了近红外光谱信息产生机理的基础上,对木材近红外光谱的信息特征提取及其定量表示进行了研究。以我国人工林杉木和桉树近红外光谱为信息源,对近红外光谱信息的特征提取进行了定量分析,利用偏最小二乘法建立了杉木密度和桉树木质素含量预测模型,对比分析了不同光谱信息提取方法对所建模型的影响。论文主要研究内容包括：(1)以光谱二阶导数数据平方和与均方根误差为标准,比较分析了光谱数据平均平滑法和卷积平滑法在不同窗口下提取光谱信息的效果。平均平滑法当窗口宽度为15、17和19时,提取及保留光谱有效信息效果最好；卷积平滑法当窗口的最佳宽度为13、15和17时,提取及保留光谱有效信息效果最好。光谱数据平均平滑法和卷积平滑法可以去除光谱测量噪声,优化光谱信息。(2)提出了基于移动窗口方差法的木材近红外光谱信息处理方法。该方法采用局部波段上光谱数据的方差来衡量数据的起伏,以识别光谱信息起伏较大的波段,然后对这些波段进行去噪处理。以光谱数据平方和与均方根误差为标准,研究了选取多种窗口、多种阈值条件下该方法对光谱信息的处理效果。结果显示,当窗口大小取4-8、窗口方差取0.87-0.9或0.94-0.95的下侧分位数为阈值时,该方法具有很好的去除光谱噪声的效果。(3)采用小波变换阈值法对木材一阶导数光谱进行去噪研究。以信噪比和均方根误差为标准,对固定阈值规则、无偏似然阈值规则、混合阈值规则和极大极小阈值规则去除导数光谱噪声进行了对比分析。在对导数光谱信号进行小波4尺度分解、选取固定硬阈值规则时,导数光谱信噪比为10.22,均方根误差为0.000307,去噪效果优于其他方法。(4)采用小波变换模极大值进行光谱信息特征提取研究。根据信号和噪声在不同尺度上的极大值的不同传播特性,将木材近红外光谱信号进行8尺度小波分解,在相邻尺度间搜寻信号和噪声的小波模极大点,提取信号的模极大值,消除噪声模极大值,经逆小波变换重构去噪信号,达到提取光谱特征信息、去除噪声的目的。经小波4尺度分解,小波模极大值去噪后的光谱信噪比达到15.14,均方根误差为0.000953。小波变换模极大值可以有效提取光谱特征信息,去除光谱噪声。(5)采用偏最小二乘法建立了杉木密度预测模型。通过对原始光谱进行一阶导数、二阶导数、移动平均平滑法、卷积平滑法、移动窗口方差法、多元散射校正、数据标准化、小波阈值法和小波模极大值进行预处理后的光谱数据所建立的杉木密度预测模型进行综合分析,移动窗口方差法和小波模极大值法所建校正集模型相关系数分别为0.9391和0.9405,预测集相关系数分别为0.8706和0.8756,所建模型预测效果好于其他光谱信息预处理方法。对模型进一步优化,将一阶导数光谱进行25点卷积平滑剔除6个异常样本并选取10个主成分,所建杉木密度校正集模型相关系数为0.9692、预测集相关系数为0.8976。(6)采用偏最小二乘法建立了桉树木质素含量预测模型。通过对预处理后的光谱数据所建立的桉树木质素含量预测模型的综合分析,结果显示,移动窗口方差法所建校正集模型相关系数为0.9011,预测集相关系数为0.8414,预测效果好于其他预处理方法。对模型进一步优化,将原始光谱的一阶导数进行19点移动平均平滑剔除4个异常样本并选取7个主成分,所建校正集模型相关系数为0.9724、预测集相关系数为0.8768。