我国森林资源匮乏,木材供需矛盾十分突出。为了促进我国现代林业发展,实现木材资源可持续利用,我们需要继续深入研究树木生长规律,积极探寻符合树木生长的营林措施;加强木材结构与性质研究,提高其综合利用率和循环利用率;以及积极寻找方法实现木材节约和代用。计算机断层扫描(CT)是利用X射线束从多方向沿某一部位选定断层进行照射,测定透过的射线量,经数量化计算后得出该层层面组织各个单位容积的吸收系数,然后重新组建图像的一种检测技术。CT技术能无损地获取木材的内部结构特征,同时也能较精确检测到木材密度,这为木材的加工及研究树木年轮间密度变异和树木生长规律提供了另一检测方法。本文综述了CT技术检测木材的原理、方法及所取得的研究成果;研究了CT扫描条件和重建方法等因素对测定木材CT值的影响,探寻了适合木材CT扫描的相关参数;建立了木材及竹材密度与其CT值的数学模型;研发出利用CT技术自动检测人工林杉木原木髓、心边材边界及年轮数目和宽度的算法;开展了基于CT技术的竹材密度变异特征研究;并利用MicroCT技术检测了秋竹(Pleioblastus gozadakensis)、筇竹(Qiongzhuea tumidinoda)节部微观构造特征等。研究结果如下:(1)树种以及电压对测定木材CT值影响显著,而曝光量(mAs)和重建方法则影响不明显。CT在保证密度与CT值线性关系有很宽的适用性,CT扫描在取80kV或120kV时,其预测密度准确性无明显差异,但有不同的回归方程。(2)建立25种木材气干材密度和其CT值的数学模型,当密度(g/cm3)在0.303～1.289之间时,得到数学模型为D = 1.0036 +0.0009×CT值(R2=0.95);而密度(g/cm3)在0.303～1.061时,数学模型为D = 1.1136 +0.0011×CT值(R2=0.99)。建立的毛竹(Phyllostachys pubescens)气干材密度与CT值的数学模型为D = 1.1186+0.0011×CT值(R2=0.99)。式中D均为气干材密度(g/cm3)。(3)通过处理和分析人工林杉木生材原木CT图像研发出一种自动运算杉木髓的算法。与髓的实际位置相比,该算法可使85%自动检测结果误差在2mm以内。因木材结构特征(如心边材、年轮宽度及节子分布等)与髓位置相联系,这一研究结果有助于对原木内部其他结构特征的识别开展进一步研究。(4)通过对人工林杉木生材原木CT图像研究和分析,利用生材心边材图像灰度值差异,研发出一种自动检测心边材的算法。但该算法避开了节子对心边材识别的干扰。(5)在自动检测人工林杉木原木髓的基础上,利用原木早晚材密度差异特征,研发出自动检测原木年轮数和宽度的算法。(6)系统研究了当年生、1年生、2年生、3年生和4年生毛竹在轴向、径向的密度变异特征。研究结果表明,各竹龄毛竹的密度与其相对位置有高度二次函数关系;生长的第一年是其密度增进最显著的生长阶段,而在随后的4年内密度有增进趋势但远不及第一年增进明显。(7)利用MicroCT技术,成功获取了秋竹和筇竹节部显微构造特征,特别是节部维管束三维结构特征。该方法不需制样,能得到竹节任意面上的三维结构和不同组织的三维空间分布结构。利用这种方法可研究竹子的结构,并通过不同属、种间的比较找出其结构上的差异。本论文中提出MicroCT技术将逐渐成为植物解剖学研究领域的一重要的研究手段。