该文应用计算机视觉和人工神经元网络技术建立一套快速、准确的计算机视觉分析系统,来研究木材横纹压缩过程中木材构造学特征的变形规律,并对木材细胞的类型给予自动的识别与分类.计算机视觉分析系统的软件是由图像采集、图像处理、图像分析和结果输出四大模块组成.该文选用具有代表性的针叶材红皮云杉(P.koraiensis)、冷杉(A.nephrolepis)、和兴安落叶松(L.gmelini)木材作为试验材料,并对构成针叶材细胞的模式特征进行了较为全面的深入的研究.利用形态分析、体视学及图像的矩来提取如早、晚材细胞的径向、弦向直径、管胞长度、面积、密质度及边缘的角、凹凸性等特征量,并提出了这些模式特征的提取算法和统计分析方法.在木材横纹压缩计算机视觉分析系统中,采用了人工神经元网络技术,并运用人工神经元网络的网络识别功能和自组织、自适应的学习功能,通过有导师或无导师学习来记忆所学习过的木材构造学特征,实现了对针叶材管胞中的早晚材细胞、木射线细胞和树脂道细胞进行自动地识别与分类.同时还着重探讨了图像处理和目标边缘检测的各种可行性算法,并对不同算法进行了比较分析.在实验中,研究了木材横纹压缩过程中,木材构造学特征的形态变异规律以及形态变异规律与木材物理力学性质之间的关系.木材横纹压缩过程中构造学特征的研究,对于分析木材横纹压缩机理以及研究木材压缩各物理力学性质及其相互关系具有重要的理论意义,对木材的加工利用以及工艺参数提供重要依据,它的研究必将推动木材横纹压缩大变形基础理论研究的深入.