随着科技发展日新月异,图像处理和模式识别越来越受到人们的重视,广泛用于各种应用中。木材资源作为我国的一种宝贵资源,由于需求量大和资源紧缺,提高术材利用率是永恒话题。对木材疤痕图像进行处理,以模式识别理论进行分类识别,不仅可以提高准确率和快速性,而且对木材没有损耗,节省大量人力物力。免疫算法是一种一新兴智能优化算法,具有许多独特的优点,它模仿生物的免疫防御机制,在信息科学领域已显示出其巨大发展潜力。本文针对木材疤痕图像所具有的特点,研究了一种用于疤痕图像分割的免疫算法,为后续的特征提取和分类识别做好充分准备。本文主要研究内容：1、对采集的木材疤痕图像进行预处理,目的主要是通过各种方法提高图像质量。首先将彩色图像转换成灰度图像,通过直方图修正改善图像的灰度对比度,增强视觉效果,然后利用改进的均值滤波和加权自适应中值滤波算子对图像中存在的噪声干扰进行去除,由于去噪造成的部分程度的边缘模糊化采用梯度法及拉普拉斯算子进行锐化增强。2、针对预处理后的木材疤痕图像,研究设计一种用于图像疤痕分割的免疫优化算法。该算法提高了分割效率,能以较短时间获得分割最优阈值,抗体群体的更新采用浓度和适应度共同作用,并且加入疫苗思想,能够在寻优搜索过程中跳出局部最优解,对全局变量进行搜索最终确定最优抗体。以二维最大熵作为抗原与抗体的适应度判别函数,保证了阈值在保留最大图像信息的前提下选取。3、在分割的基础一上,根据二值图像和疤痕灰度图像信息,参考特征选取的类别可分性判据,从众多特征选择方法中选择对疤痕分类最有效的特征：灰度特征、不变矩、几何特征,分别计算灰度特征的平均灰度及方差,疤痕的七个不变矩,几何特征的面积,周长等作为分类识别的特征依据。4、完成木材疤痕识别分类器设计。根据对疤痕图像提取的特征,设计基于BP神经网络疤痕分类器,以疤痕特征作为输入层的特征输入,以主要疤痕类别节子、虫眼、裂痕作为输出层的输出,希望输出与实际输出之间的平方误差作为准则函数,利用梯度下降法,从后向前(反向)逐层求得误差,逐层修正权系数。实现对疤痕的分类功能。