木材识别是以木材的纹理结构为主要依据,树种不同,纹理就不同。材质的差异直接关系到木材的经济价值和用途。然而纹理是木材表面的天然属性,结构精细复杂,若单纯依靠人工经验和知识来进行识别,很容易出现不能识别及误判的情况。所以,木材产业迫切需要一种能根据纹理对木材进行自动类型识别的设备。因此,对木材纹理进行研究,具有十分现实的意义。本文研究基于纹理统计方法的木材类型识别,为确立适合描述木材表面纹理灰度共生矩阵的构造方法,获取了样本库中6个不同树种纹理样本的14个GLCM特征参数,并结合木材自身的纹理特点,对特征参数随灰度共生矩阵的生长步长(像素间距)d、生长方向θ及图像灰度级g三个构造因子的变化规律进行分析,确定在比例1：1的100*100木材图片情况下,为消除方向性的影响,灰度共生矩阵的生成方向θ取0°、45°、90°、135°四个方向的平均值,生成步长d为4,和灰度级g为128。为了从14个特征参数中选择出对类型识别最有效且数量最少的特征,本文采用“有记忆的模拟退火算法”作为搜索策略,将最近邻分类器的识别率作为特征参数子集的评价函数,提出一种基于改进的模拟退火算法的特征选择方法FS-ISA。结合相关数据分析,从14个特征参数中选取能量、熵、对比度、差异度、逆差距、方差6个组成最佳参数体系,对木材纹理进行类型识别。最后采用OpenCV库作为图像处理的工具,使用Visual C++作为开发工具,设计并实现了一个木材识别软件系统。通过将24个树种,480个样本图片进行特征参数求取分析,采用最近邻分类器和支持向量机分别进行分类验证,最终最近邻分类器的识别率能够达到91.7%。实验结果表明：按照上面描述的6个灰度共生矩阵特征参数进行木材纹理类型识别是有效的,可行的。