随着社会的进步与发展,人类对木材纹理的艺术特质要求也越来越高。木材表面纹理直接影响到木材的等级、强度与使用价值；而且木材花纹美观与否,对木制品的加工也有决定性作用。因此,对木材表面纹理进行分类具有重要的现实意义。本文针对这一问题,本文将木材表面纹理按形状可分为直纹、抛物线与乱纹纹理三类纹理,并考虑时间与准确率两方面因素,对木材纹理识别方法进行了研究。针对木材表面纹理的特征提取问题,采用小波变换的方法,根据小波分解的后一层与前一层的三个高频细节的能量总和的比值,确定使用symlets4小波基对三类样本图像进行二级小波分解,并对分解后7幅子图的小波系数进行了处理,将其均值与标准差作为小波变换的前14个特征量,第15个特征量为整幅图像的熵值。实验表明,小波变换方法提取的15个特征可以用来对木材纹理进行分析,并且运算时间短,但该方法并不适合本文的抛物线纹纹理与乱纹纹理。为了克服这个缺点,选用曲波变换的方法对三类样本图像进行分解,针对Detail层的第二层,提取第一方向与第二方向中奇数小方向系数的均值与标准差,共16个特征作为曲波变换的特征参数。结果表明,该方法虽然对每类木材纹理都有很好的识别效果,但运算时间较长。针对两种方法的优缺点,本文提出了特征的融合方法,将小波变换得到的15个特征参数与曲波变换得到的16个特征参数进行了归一化处理,采用遗传算法对特征进行融合,从31个特征参数中筛选出14个对木材样本分类最有效的特征。最后,将木材样本进行特征融合得到的14个特征参数作为分选特征,采用300幅包含三类纹理的各100幅柞木样本,其中每类50幅送入BP网络分类器进行网络的训练,并对另外150幅样本图像进行分类验证。与采用灰度共生矩阵提取相关、对比度、角二阶矩、方差和均值和为特征的识别方法在分类正确率与时间进行了比较,对比得出本文提出的方法即可以分类提高准确率又可以提高分类效率。