森林资源作为生长周期相对较长的可再生资源,对于人类来说一直都是一种稀缺的资产。我们在感谢大自然的馈赠的同时,更要关注生态的平衡。近些年来,全球森林覆盖面积锐减,温室效应加重,大自然已经给人类敲响了警钟。科学选择木材,提高木材利用率显得尤为重要。本课题主要对落叶松、水曲柳两种木材典型的三种缺陷(节子、腐朽、裂纹)进行识别,对云杉的原木年轮进行检测,测算树龄。木材缺陷特征的研究有效的利用了X射线无损检测技术。基于缺陷区域和其他区域对X射线的吸收衰减率不同获取缺陷图像,并且利用生成的灰度共生矩阵提取缺陷图像的13个特征值,并把它们作为神经网络的输入向量。通过比较分析本研究采用拟牛顿算法作为网络训练的算法,将模糊理论中的隶属度概念与BP神经网络相结合对木材缺陷的类型进行识别。树木的年轮个数既是该树木的树龄,通过数码相机获取年轮RGB图像,以计算机数字图像处理技术为基础,对年轮图像运用直方图均衡化方法进行图像增强。分别使用Canny边缘检测、LOG边缘检测、DOG边缘检测三种自带去噪功能的检测算法对年轮轮廓进行提取,最终选择适合年轮提取的高斯差分算子(DOG)对图像进行分割。运用面积阈值法和二值化反转相加法分别对年轮中的节子和裂纹缺陷进行剔除,得到清晰的年轮线图像,进而通过二值矩阵扫描法统计出年轮的数目得到树龄。研究结果表明,利用灰度共生矩阵提取的特征值能更全面的反应木材缺陷的特征,同时与模糊BP神经网络相结合来识别缺陷类型能得到预期的识别效果,识别率在90%以上。利用高斯差分算子边缘检测和面积阈值法等方法能够得到清晰的树木年轮轮廓图像,进而测算出树龄。