基于计算机视觉技术和模式识别理论的木材表面缺陷检测技术，具有无损性、快速性、准确性和经济性等优点，对锯材等级自动分选、提高锯材商品价值和加速木材加工自动化具有非常重要的作用。本文以虫眼、死节、活节三种常见木材缺陷为研究对象，对木材表面缺陷的模式识别方法进行了深入的研究。主要内容包括：木材表面缺陷图像分割、分割性能评价、特征提取、缺陷类型识别等问题。图像分割是第一步，也是由图像处理到图像分析的关键步骤。本文针对传统灰度阈值分割和边缘检测的不足，采用基于灰度-梯度共生矩阵模型和最大熵原理的二维阈值化技术对木材缺陷图像进行分割；并针对木材缺陷这一自然纹理型事物，结合模糊C均值聚类算法，提出基于灰度共生矩阵的纹理分割方法。同时采用具有强大运算功能的数学形态学工具，对分割后图像进行了分割后处理，加强了分割图像的可视性和完整性，并提高了缺陷提取的精确度。根据灰色系统理论，提出了一个基于灰色关联度分析的图像分割性能评估模型，对改进的二维阈值分割算法和基于灰度共生矩阵的纹理分割算法进行了分割性能的综合评价，该模型评判的结果与算法的性能基本保持一致。对于木材缺陷的识别，本文从纹理特征(14个灰度共生矩阵参数)和几何特征(伸长度和矩形度)两个角度来描述缺陷。根据各参数分布情况，选择标准差较小的参数作为分类器输入特征向量；以及采用主分量分析法进行特征提取，降低纹理特征维数，消除模式特征之间的相关性，突出其差异性，满足识别层的输入要求。分别采用BP神经网络分类器及改进的K-近邻分类器进行缺陷的模式识别，识别正确率分别达到92％和88％。试验结果证明：运用数字图像处理技术，根据木材表面缺陷图像的纹理特征，来解决木材表面缺陷的分割和识别等问题，是行之有效的途径。并且为方便用户使用，开发制作了木材表面缺陷识别软件试验系统。