纹理作为树皮表面的一种天然属性,可作为区分不同树种的一个重要依据。部分树种的树皮(如黄檗、水曲柳等)具有珍贵的药用价值,林业工作者通过环剥再生技术采集树皮,在保证经济需要的同时有效地保护了林木。但林木树皮纹理相近且不易区分,同时,采集现场环境恶劣,受光照等干扰因素,手工采集不仅识别效率低,而且对林业工作者专业素质要求较高,采集的结果不理想,并且造成了巨大的人力资源浪费。因此,如何高效的实现树种识别显得至关重要。研究应用了图像处理技术和模式识别理论,对树皮表皮纹理图像进行分析和特征提取,构建SOM神经网络模型,对树种进行有效识别。首先,采集“东北三大硬木”水曲柳、黄檗、胡桃楸林木树皮表皮图像各300幅,合计900幅图像,对每幅图像分别进行ROI(感兴趣区域)截取、直方图均衡,由此获得确定区域、对比度强、特征值明显的图像。然后,分析处理后图像的灰度共生矩阵特征参数随其3个构造因子(生成步长、图像灰度级和生成方向)的变化规律,并结合林木树皮表皮纹理的变化规律、差值最大化原理、程序运行最优时间选择以及旋转不变性等原理,应用控制变量法,反复尝试,最终确立了适合描述林木树皮表皮纹理的灰度共生矩阵构造方法,确定构造因子d=2;g=128;θ=0°,45°,90°,135°。在获取灰度共生矩阵的12个纹理特征参数的基础上,将其依次对应树种编号为W1-W12;建立树皮纹理特征存储GUI界面,有效保存树皮纹理信息的12个特征值数据。对3种林木树皮表皮纹理的12个特征值分别进行数字特征分析,分析筛选出8个特征值:角二阶矩、熵、和熵、相关性、均值和、方差、最大概率和惯性矩。选取其中6个特征值作为SOM神经网络输入特征向量,对树种进行识别,识别率为83.33%。结果表明该方法比传统方法更加准确、便捷、高效,可以帮助林业工作者利用图像处理技术自动区分3种林木。