木材分类是木材工艺品生产的重要环节，目前的分类方式以人工为主，人工资源需求量大，分类准确率与效率都偏低。随着机器视觉和模式识别理论的不断发展和完善，将它们应用于木材加工制造中，已经成为了木材产业走向自动化和智能化的必要途径。　　论文比较了不同颜色空间模型，对比分析了不同颜色特征提取方法，提出了基于Lab空间的主色调掩膜提取法，精确提取主色区域颜色特征;阐述了灰度共生矩阵和Gabor变换的原理，并实现了两者对纹理主方向特征的提取，实验验证了Gabor滤波模板对纹理主方向获取的有效性;给出了木材表面几类缺陷的算法检测流程，在结疤缺陷检测过程中，提出了多尺度自适应阈值化方法，在实验验证的基础上得以实际应用。　　针对每类只有一个训练样本，利用全局颜色特征训练分类器导致分类效果不佳的情况，论文提出了基于Lab颜色空间的木材主色掩膜法，获取与人眼观测相符的主色调区域模板，能够有效提取排除纹理和缺陷部分的主颜色区域的颜色特征，实验验证不同时期不同样品的颜色分类效果很好。　　针对GLOM对非O°、45°、90°、135°四个方向的纹理方向的不敏感性，论文试验了Gabor变换计算5尺度8方向的Gabor滤波模板，提取纹理主方向特征，能够获取较准确的纹理角度，为进一步满足产线效率，解决Gabor多尺度多方向滤波模板获取耗时的问题，提出以固定滤波模板代替Gabor滤波模板，试验表明，兼顾效率和可行性。　　针对传统阈值化方法无法兼顾不同形态、不同色差的结疤缺陷的检测这一问题，论文提出了结合多尺度的思想，动态改变滑动窗口的大小，得到了多尺度局部自适应阈值化算法，结合各尺度窗口下的检测结果作为最终结果，有效解决了大结疤缺陷漏检的情况。　　实际应用中对不同时间段不同木材样品的分类效果表明，颜色和纹理分类错误率在0.01以下，且能准确检测出常见的缺陷木材，可见，该木材在线分类及缺陷检测系统具有较高的应用价值。论文创新点和特点在于:　　提出了基于Lab空间的主色调掩膜提取法，能够准确提取符合人眼观测的主色区域颜色特征，使得在每类只有一个训练样本的情况下，依然能够获得显著的颜色分类效果;　　优化了木材纹理主方向特征提取方法，能够同时满足产线的高效率和纹理角度检测的准确性;　　提出了多尺度自适应阈值化算法，可以兼顾形态差异大，色差差异大的结疤缺陷的检测，达到尽可能减少漏检情况的效果。