木材无损检测能在不损坏木材使用性能的前提下准确地检测出木材内部缺陷，是一种实用的木材检测手段，能显著提高木材利用率，具有很高的实用意义。考虑检测成本、安全性以及实验的可操作性,本文将研究应力波无损检测。虽然应力波无损检测技术对树木内部缺陷的研究已经取得了许多成果，但多数的研究是从时域角度进行研究，通过判断应力波的传播时间和传播速度的变化来诊断木材内部是否含有腐朽、空洞等缺陷。本文从频域角度进行应力波木材无损检测的研究。本文在研究小波变换、神经网络、细胞反向投影成像基础上，探究木材的缺陷检测以及木材断层图像的重建。　　本研究利用小波变换对应力波检测信号进行处理时，重点研究了小波阈值去噪、小波包能量特征提取以及神经网络。讨论分析了不同分解层数、不同小波基的去噪效果。采用小波包与径向基神经网络（RBF）松散结合的方法，对健康和空洞蒙古栎试件进行了研究，把小波变换作为神经网络的前置处理器，利用小波包变换对应力波检测信号进行5层小波包分析，构造8维特征向量，提取缺陷能量特征；设计网络结构，把缺陷能量特征作为神经网络的输入，训练径向基神经网络并建立诊断模型。重建断层图像时，主要研究了细胞反向投影算法。通过小波包提取的能量、符号能量矩阵构建反向投影矩阵。然后对反向投影矩阵进行色度赋值，实现木材断层图像重构。此外，通过增加细胞单元密度、插值反演手段来提高重建图像质量。最后，利用中值滤波对断层图像进行优化，并对重构图像进行拟合度分析。小波包与径向基神经网络结合的诊断方法可以有效地检测出木材的缺陷，细胞反向投影算法可以实现频域内木材断层图像的重构。因此，本文研究在木材无损检测领域中具有非常重要的实际应用意义。