在木材的工业生产中,需将树皮和木片分离,进而提高木材的使用效率。本文利用数字图像处理技术对榆木、柳木和樟子松的木片与树皮图像进行处理,通过处理后的图像提取参数值,再利用BP神经网络和SVM的计算机识别技术进行识别分离。验证识别参数的有效性,提出新的识别参数同时考察BP和SVM对于木片和树皮的识别效果,建立树皮和木片高效的识别模型。论文的主要研究结果有：1.试验发现对于采集的图像进行初期的处理有利于提高图像数据的准确率,对于后期实验的识别率的提高有利,确定出图像采集最佳的光源和背景的颜色。2.实验确定了可用于木片和树皮识别的识别参数,建立了图像的参数提取系统。并且通过分析图像参数数据,提出新识别参数均方比。3.建立基于BP神经网络和SVM核函数的木片和树皮识别系统,通过BP神经网络和SVM不同的核函数,考察各识别参数的识别效果。①基于BP神经网络对木片和树皮进行识别,建立了BP神经网络的识别模型,在BP神经网络中各参数的识别率普遍低于70%,只有新参数均方比达到78.8%。②基于SVM多项式核函数对木片和树皮进行识别研究,其中亮度均方差识别率为97.2%、亮度MSE识别率87.8%、均方比识别率为97.7%。③实验利用SVM径向基函数对图像进行识别,发现径向基核函数的识别率较优,其中较高的参数有亮度方差、亮度梯度方差、新角度方差和均方比,识别率分别达到94.6%、95.6%、94.1%和98.9%。④利用SVM中Sigmoid函数建立识别模型,均方差的识别率为94.7%,亮度方差的识别率为90.6%,除亮度MSE识别率为37.1%,其它参数的识别率在80%以上。4.研究发现木片和树皮的最优识别参数均方比,并且利用SVM可以得出更高的识别率。