年轮是木材最重要的自然属性之一,在树木科属判别时传统的年轮分析方法不仅效率低,而且工作繁琐、费时费力,更重要的是可能会给测量结果带来随机波动的影响,近几年,随着计算机图像处理技术的飞跃发展,传统林业的研究方式正向着自动化和智能化发展。为实现树木科属的判别,本文应用分水岭算法对年轮图像进行分割,就分割过程中出现的区域断裂以及背景噪声问题,提出了新的自适应区域生长算法和背景去除算法,并对预处理后的图像,提取了特征参数,为实现树木科属识别奠定了基础。本文根据树木年轮图像的特点,提出了适用于本课题研究内容的方法与思路,主要研究内容如下：基于分水岭算法的年轮图像处理方法，运用了CIE1976 (L*u*v*)均匀颜色空间和区域合并算法,解决了图像过分割的问题。该方法保持了原图像的基本形状特征并能获得清晰的边缘,在此基础上提出了新的背景去除方法,为年轮参数提取奠定了良好的基础。提出了新的自适应区域生长算法,利用种子点附近区域的颜色和空间信息并结合边缘信息,自适应的改变生长条件,从而解决了区域断裂的问题。与传统区域生长法不同,该方法与分水岭算法结合使用,能够实现种子的自动选取并保持了原图像的完整形状特征并能获得清晰的边缘,具有很好的抗噪性，为树木科属识别奠定了良好的基础。本文对处理好的年轮图像进行分析,提取相关的参数,例如早材率,晚材率,平均敏感度等,构建了树木科属年轮参数数据库,采用最小差值参数判别法完成了树木科属的识别工作。本文根据年轮参数的物理意义和年轮图像的特征,设计了基于年轮参数的树木科属计算机识别系统,为进一步深入分析和研究树木科属,提供了有效的理论方法和途径。