木材表面缺陷的检测作为木材加工过程中的一道重要工序，对于提升木材产品的质量和提高木材加工业的经济效益有着十分重要的意义。基于彩色图像或灰度图像的木材表面缺陷检测的检测精度并不高，当引入缺陷高度信息后，可以实现更高精度的缺陷检测。　　本文提出了基于3D结构激光的木材表面缺陷检测系统，该系统能同时获取到木材表面的高度图和灰度图，并对缺陷图像的预处理、图像分割、特征提取和缺陷图像识别进行了较为深入的研究。首先在搭建检测系统的基础上，采集300幅缺陷图像建立缺陷样本库，并分析了木材表面缺陷图像特点。利用灰度变换和直方图修正法进行图像增强，接着采用均值滤波、高斯滤波和中值滤波三种方法进行图像平滑处理。随后对经过预处理的图像进行分割和特征提取，主要采用的分割方法有迭代阈值法、Otsu法和区域生长法，主要提取的特征包括几何形状特征（6维）以及灰度纹理特征（7维），并利用PCA进行了特征的降维优化。最后利用SVM、GMM、KNN三种分类算法进行缺陷图像识别，对比了各种算法的分类效果，以高斯径向基为核函数的SVM算法的平均识别率最高，达到了94.67％。　　实验结果表明:基于3D结构激光的木材表面缺陷检测系统是有效的，并且具有高精度、非接触、识别率高等优点，同时也满足木材表面缺陷的自动化检测基本需求，对于木材的精加工有一定的运用和推广价值。