木材表面缺陷的图像分割与识别是木材加工过程中的重要环节，可以有效地提高木材的利用率，节约森林资源。本文以板材的活节、虫眼、死节三种典型木材表面缺陷图像作为实验对象，对单目标、多目标以及整块板材表面缺陷图像的分割算法进行了研究。　　本研究主要内容包括：⑴采用阈值法，区域法以及边缘检测算子三种传统算法对缺陷图像进行分割实验，对分割结果进行了分析，得到了影响分割结果的因素。⑵采用传统的LBF（Local Binary Fitting）模型算法及其改进算法进行多组对比实验，获取了影响分割结果的参数因子。根据两种模型算法分割所用的时间、分割过程的复杂程度、分割的完整性，验证改进LBF模型算法的可行性和优越性。⑶采用传统的Graph Cuts算法和GrabCut算法（改进的Graph Cuts算法）进行理论研究和分割实验。针对GrabCut算法的不足，在GrabCut算法的基础上进行改进；先使用SLICO算法对木材表面缺陷图像进行超像素分割，将分割后的图像再采用GrabCut算法进行分割实验。根据 GrabCut算法和改进算法分割时所用的时间、分割过程的复杂程度、分割的完整性，来验证改进GrabCut算法的优越性。⑷根据5种常用的图像分割方法（阈值法、边缘检测算子法、区域分割法、能量泛函分割法、图割法）的实验结果分析，得出每种方法的优缺点，并确定其中最优的方法。在上述研究基础上，将以上各种分割方法集成一个实验软件系统。