纤维板的剖面密度分布是纤维板重要的结构特征,也是影响纤维板物理力学性能的重要因素之一。传统的检测方法在实际应用中均有不足之处,因此,寻求一种更为直接、有效且低成本的纤维板剖面密度分布检测方法,已经成为一些木材加工企业生产、加工以及应用的迫切需求。虽然基于显微视频的检测技术已经有很多成功应用的例子,但目前国内外还没有应用于纤维板剖面密度分布检测,因此,研究基于显微视频的纤维板剖面密度分布检测系统和设计相应的检测装置有着重要的理论意义和应用价值。基于显微视频的纤维板剖面密度分布检测的关键在于图像如何获取和各种相关图像处理算法的有效性。其中,纤维板剖面图像的各种处理算法是整个课题研究的重点和难点。为了能够获取较好的纤维板剖面图像,采用切削机床完成试件表面的切削处理,针对采集到的纤维板剖面图像的特点,结合实际需要,提出了图像去噪,增强,分割的各种处理算法。论文在以下几个方面进行了研究：(1)为了能够获取较好质量的纤维板剖面图像,采用纤维板剖面切削机床完成试件表面的切削处理功能,根据纤维板剖面自身的特点,搭建纤维板剖面图像采集装置,由CCD摄像机采集经显微镜放大后的纤维板剖面图像,从采集获取的图像表明,该装置能够较好的完成纤维板剖面图像的采集工作。(2)提出了基于八方向搜索的局部灰色关联判别的剖面孔穴图像去噪方法,对邻域灰度值进行初次判断,确定疑似噪声点,再结合灰度关联系数进行二次判断,确定噪声点。在滤波阶段,充分考虑时间复杂度,利用基于均值查找的中值滤波算法,实现了去噪效果。对比实验结果表明,本文提出的滤噪算法无论在执行效率还是图像的细节保持方面都优于其他方法。(3)图像采集过程中采用了照明的方式,但由于环境的原因,所取得的图像仍会出现背景不均匀的现象,若不做任何处理,将会影响后续图像分析的结果。在纤维板剖面图像增强方面,提出了基于局部灰熵增强指数的剖面孔穴图像增强方法,利用灰熵理论的特性来构造对比度增强指数,进而通过对比度增强函数来调节图像的增强区域。本算法有效增强了图像的边缘部分,避免了非目标的暗区域的过度增强,在实现增强图像的同时有效的克制了非目标物体,具有一定的针对性和智能型,利于后期对孔穴的边缘提取和进一步处理,保证了较准确的孔穴分析结果。(4)在处理孔穴图像分割时,针对传统最大模糊熵搜索模糊区间运算量大等问题,提出了基于改进模糊熵和自适应遗传算法的剖面孔穴图像分割方法,缩短搜索最优阈值的运算时间,增强了图像的实时分割处理能力。在边缘检测时,提出基于局部关联熵和模糊熵的剖面孔穴图像边缘检测方法,结合灰色关联度理论,充分考虑局部邻域信息,利用模糊熵理论,构造一个模糊集,通过最小化模糊集的模糊度,从而实现图像的边缘检测。(5)通过大量测试数据,统计纤维板的孔穴率、孔穴密度,均匀度等特征参数,建立了纤维板剖面孔穴特征参数数据库。为了较好的实现待测数据与孔穴特征参数数据库中数据的相似度判别,在分析总结常用方法无法实现准确的相似度判别的基础上,综合考虑形和值的影响,提出了综合最优相似判别法。并通过待测试件的实验结果分析,得出纤维板剖面孔穴特征参数可以作为检测纤维板剖面密度分布的方法。(6)基于显微视频技术、图像处理技术、机械设计技术、自动化技术设计了一种以低成本的方式进行的纤维板剖面密度分布检测系统,给出了系统工作原理,硬件设计软件设计,从纤维板微观孔穴特征参数反映纤维板剖面密度分布,为实现纤维板剖面密度分布检测提供一种新的方法。