在林业加工产品中,实木地板有广阔的销售市场,但地板表面的缺陷是影响其销售结果的重要因素。我国传统的人工视觉检测方法效率低、成本高,对地板等级评定时主观性强,不适用于现代化生产的发展要求。基于特征融合与压缩感知的实木地板缺陷检测方法提高了实木地板检测的自动化水平,丰富了缺陷检测识别的方法,具有显著的理论研究和实际应用价值。本文以实木地板表面缺陷的活节、死节和裂纹这三类主要缺陷为研究对象进行研究。首先通过地板图像采集系统获得一定量实木地板表面缺陷的图像,为后续研究提供研究材料。通过图像缩放、图像灰度增强和图像中值滤波平滑等预处理操作降低的图像的处理数据量,削弱了实木地板表面纹理噪声的影响。通过数学形态学分割算法将缺陷部分分割出来。提取几何与区域特征、纹理特征和不变矩特征三大类共25个具体特征,按主成分分析法和线性降维法进行特征融合降维。最后基于压缩感知理论设计出压缩感知分类器进行缺陷的分类。针对在线分类实时性与精准性的要求,将压缩感知分类器与SOM神经网络分类器进行对比,验证分类器设计的合理性。通过特征融合分类与特征降维分类实验和特征不处理分类实验与特征按方差处理分类实验进行对比,测试了压缩感知分类器的实际分类性能。在分类性能测试实验中,选取20幅活节、20幅死节、10幅裂纹三类缺陷共50幅样本图像进行学习,构建特征字典；同样,选取20幅活节、20幅死节、10幅裂纹三类缺陷共50幅样本图像进行分类实验。缺陷特征融合法的分类时间为46.267ms,分类精度为92%；缺陷特征降维法的分类时间为44.955ms,分类精度为94%,分类效果理想。