本文将植物的叶部表观定义为叶子表面与光线的交互过程,因此叶部表观可用图像、成像高光谱数据、光函数等形式表达。由于表观反应叶子内部物质的组成与分布,因此叶部的表观建模对于研究植物生理生态学、生长状况监测,和三维植物的真实感可视化研究具有重要的意义。现有的叶部表观建模大都基于原始数字图像,高光谱数据所建立,用于植物营养状况预测,病害识别和三维可视化等研究。本文以玉米、小麦等植物的叶片为研究对象,利用数字图像处理、高光谱分析、图像测量和真实感绘制等技术,讨论了不同应用背景下的植物叶部表观建模,并开发了相应的软件系统。本文主要工作包括:一,在植物叶部表观病理识别方面:采集四种复杂背景下的小麦叶部病害的数字图像,实现了病害识别模型包括图像预处理、背景分割、病斑分割、特征提取与选择、多分类器识别等处理流程,用VC++进行了应用程序开发及DLL封装。在识别模型中,设计了一种基于SVM的层叠泛化的多分类器,该分类器可引入高层病理学知识,并极大提高小麦的病害识别率。二,在植物叶子表观真实感绘制方面:首先,建立了基于Ward BRDF描述的植物叶片表观绘制模型。并利用线性光源、背光光源、以及步进电机等硬件,建立了基于单摄像机的植物叶部BRDF数据采集系统。该图像测量系统通过分析线性光源变化的叶子样本图像序列,得到定量的反射与透射特性。最后,对叶子的老化表观做独立成分分析(ICA),分离出了两种独立成分:绿色色素和老化色素的相对量,并建立了表观合成模型。可视化仿真实验表明,本文建立的叶部表观绘制模型可绘制出具有较强真实感的植物叶片三维模型,并且通过基于ICA的老化表观合成模型,可通过改变老化叶子中的两种色素的含量来实现植物叶子老化的正向和逆向的可视化模拟。三,在植物叶部表观营养预测模型方面:通过田间扫描成像光谱仪(pushbroom imaging spectrometer, PIS),获取吐丝期、灌浆期、成熟期三个不同生育期的玉米单叶样本125个。利用图谱合一的分析方法,提取叶子不同部位连续高光谱反射率,以及对应的叶绿素生化组分数据,利用偏最小二乘回归方法建立玉米叶片三种不同生育期以及全生育期的叶绿素含量预测模型。实验结果表明,预测模型与验证数据之间有较好的拟合效果,实现了不同生育期的叶部营养预测建模。