木材表面缺陷会严重影响木材的质量、性能及使用价值,对木材表面缺陷分割检测有利于木材的分级评定和质量控制,提高木材利用率,节约现有资源,也是板材加工过程中的重要环节。本文针对含有虫眼、活节、死节三种典型木材缺陷的图像进行分割实验研究,主要的内容如下：采用传统边缘检测、阈值分割、基于区域的图像分割方法,对虫眼、活节、死节缺陷木材图像进行分割实验,并对分割结果进行分析。对传统的C-V模型、传统SNAKE模型、GVF SNAKE模型、传统GAC模型进行理论研究和实验,针对传统算法的不足,采用结合C-V模型与形态学、C-V模型的改进算法、结合维纳滤波与GVF SNAKE的改进算法、GAC模型的改进算法进行木材表面缺陷图像分割的深入研究,包括：(1)对样本库一中含有单个目标缺陷的木材图像进行传统模型的初步分割实验,获取影响分割结果的因素,并对算法进行改进,验证算法的可行性；(2)对样本库一中含有单个目标缺陷的木材图像进行传统模型算法和改进算法的多组对比实验和分析,验证改进算法的优越性；(3)对样本库二中含有多个缺陷的木材图像运用改进的算法进行分割实验,验证改进算法的实用性。对样本库二中木材图像运用改进的几种算法进行对比实验和结果分析,比较各个算法分割所需的时间、分割过程的复杂程度、分割的完整性、对噪声的抗干扰性能等,从中选出更为优越的木材表面缺陷的图像分割算法。运用选出的算法对样本库三中复杂背景的整块木材图像进行表面多目标缺陷分割实验,并确定木材缺陷的位置。