木片是生产板材的重要原料，木片树种是影响人造板质量的重要木材因素之一，不同树种的木片对板材的物理力学性能有较大的影响。这就需要准确实时的识别出木片中的针叶树和阔叶树，以便于对板材生产中后续加工工艺参数进行实时控制，最终提高板材质量。本研究中共有54个树种，其中阔叶树38种，针叶树16种，每个树种对应径切面和弦切面两幅图像，所以共有108幅树种图像作为木片树种识别系统的研究对象。主要是研究利用纹理特征和颜色特征对木片进行识别分类。首先由CCD摄像头采集到图像后经A／D转换器转换成数字图像；用C语言编写相应的处理程序对其进行低层次的处理，进而提取所需纹理特征和颜色特征，这些特征主要包括对比度、相关、方差、能量、RGB三色亮度分量比例；然后利用三层误差反传神经网络(BP网络)进行识别；在利用神经网络识别时，首先是在Matlab上进行仿真，然后用C语言编写程序，最后将所编写程序下载到DSP芯片上，以达到实时采集、实时处理、实时识别的目的。本文首先介绍了本课题研究背景、内容及意义，在比较国内外目前已有的基于DSP的图像处理系统后，提出了本系统的硬件设计。本设计采用FPGA(Field Programmable Gate Array)+DSP(Digital Signal Processor)的混合结构，这样既能保证图像处理的准确性，又能保证较高的计算性能；然后简单介绍了图像采集原理和一些低层次的图像预处理方法，包括图像平滑和图像增强等；重点介绍了本系统所提取的木材图像特征(纹理特征和颜色特征)的相关理论；在特征提取完后，．介绍了几种图像识别的方法，主要是神经网络图像识别法(本系统用的是三层BP神经网络)，并给出了本系统所设计的BP网络模型以及利用此模型进行识别后的结果及其分析。利用本系统最终识别率能达到96％，而且比较稳定，其识别错误原因主要是样本数量较少，泛化能力不是太好。本研究成果对指导木材的加工和应用具有重要意义，如果应用在刨花板、纤维板等人造板生产中以及造纸企业中，将会提高产品的质量，提高木材的利用率。所提取的特征如果应用在木材检索系统中，将会提高检索效率。另外，本系统硬件方案设计(FPGA+DSP的混合结构)以及所提取的特征(RGB三色亮度分量比例)对其它图像处理系统具有参考价值。