木材是一种不可或缺的资源性产品,它在国民经济中占有极其重要的地位。然而,木材的表面缺陷影响了木材的质量和使用。要提高木材的利用率,木材表面缺陷检测就显得尤其重要。目前,国内木材表面缺陷检测还采用的是人工方式,在检验样品量较大时,很难快速准确的得到结果。而从国外引进的木材检测系统存在价格太高,机器配置和操作方式不能很好的适应我国具体生产状况。因此,研制适合我国国情的木材表面缺陷检测系统有着重要的社会意义和实用价值。本文在对国内外木材表面缺陷自动检测技术发展历程的学习和研究的基础上,针对木材缺陷的种类和特点,着重研究了木材表面缺陷自动检测的理论方法和算法。这些方法包括如何对木材缺陷图像进行分割、特征提取和分类识别,具体如下：1、在分析了传统的表面缺陷分割方法的不足的基础上,提出一种基于小波与数学形态学的缺陷检测方法。首先用多尺度小波对缺陷图像进行分解,滤除缺陷图像中的干扰信息,然后进行小波重构,在重构图像上进行形态学bottom-hat变换,结合阈值处理和区域生长检测出各种木材缺陷。该方法具有高效准确的特点,能够满足木材加工过程缺陷检测的实际需求。2、从木材表面图像中得到相应的缺陷分割图后,通过对木材缺陷的分类研究建立木材缺陷特征提取策略,从而提出一组包括缺陷几何特征、不变矩特征、灰度纹理特征、区域描绘特征在内的木材缺陷的处理特征,并对所提取的特征进行特征选择,找出对分类贡献大者作为后续的分类输入,以为识别垫定良好的基础。3、研究了LS-SVM原理及其多类分类方法,初步探讨了LS-SVM技术在木材缺陷检测中的应用。文中对节子、裂纹、虫眼三类木材缺陷进行了分类识别,对240个缺陷样本进行测试时,识别率达到94.67%。并且与神经网络、模板匹配方法进行了比较。本文通过大量实验数据验证和分析,证实了本文研究方法的可行性、有效性和所具有的优势,成功地将机器视觉处理技术应用于木材表面缺陷检测中,本文的研究工作有较强的实用价值。