板材拼接能实现窄料宽用,小材大用,提高木材的综合利用率。对原料表面颜色纹理进行检测优选,使成材表面的颜色纹理和谐统一,直接影响产品的外观质量与经济价值。缺陷直接影响拼接板材的质量等级,锯材的优选过程中应对锯材的表面缺陷的存在情况进行判断。本文从板材拼接的一致性出发,利用图像处理和模式识别技术对拼接原料的颜色、纹理和缺陷进行自动检测分类,优选出一组适合拼接在一起的锯材,克服传统人工目测方法劳动强度大、效率低的缺点。考虑锯材表面颜色纹理的一致性,针对锯材样本的颜色优选,由于锯材颜色分布较为集中,本文利用L*a*b*颜色空间色差分辨力高和特征计算速度快的优点,通过参考样本的颜色特征设定所需要的颜色分布区间,判断测试样本的颜色特征值是否位于该区间内实现颜色样本的优选。图像的特征提取中,通过加权平均法实现图像灰度化。针对锯材样本的表面纹理,本文将锯材表面纹理分为弦切纹和径切纹两大类。选用双树复小波变换进行3级分解,计算1个低频子带和18个高频子带的均值和标准差得到38维频谱特征,结合整幅图像的熵和标准差作为图像特征表示。利用BP神经网络的分类结果对比了小波变换、曲波变换和本文特征提取方法,特征提取时间分别为0.023S、0.837s和0.067s,平均正确率分别为95%、97.8%和98.9%。双树复小波取得与曲波相当的正确率,但是特征提取时间明显降低。针对图像特征的冗余性和无关性,采用粒子群算法进行特征优选,对于纹理样本,从40个特征中优选得到18个有效特征。通过60幅纹理测试样本从正确率和时间上验证了粒子群算法的有效性。最后,考虑锯材表面可能存在缺陷以及优选过程中纹理和缺陷分开识别存在效率较低的问题,本文结合图像分块和压缩感知理论实现锯材样本纹理缺陷的协同分选。若锯材有缺陷,则根据表面缺陷类别将锯材定义为活结或死结;若没有缺陷,则根据表面纹理类别将锯材定义为弦切纹或径切纹。因此根据实际应用,将样本分为活结、死结、弦切纹和径切纹四大类。提取图像的纹理缺陷特征,建立纹理缺陷样本库,利用压缩感知分类算法对测试样本图像的不同区域进行检测,遇到缺陷,则输出缺陷类别；没有缺陷,则输出样本的纹理类别。根据分类结果剔除缺陷锯材,保留纹理相似的锯材进行拼接。经过特征优选后分类正确率分别达到93.3%、83.3%、96.7%和100%。通过与BP神经网络的对比验证了压缩感知分类器的应用优点。