树木是生态系统的重要组成部分,在维持碳氧平衡、保持生物多样性起到重要的作用。在虚拟现实与林业测绘中,树木的三维模型一直都是研究重点,由于树木种类繁多,形态和结构差异大,虚拟植物建模成为计算机图形学研究的热点问题。目前树木三维模型的构建方法有基于草图、基于规则、基于图像的方法等。基于图像的树木建模方法具有真实感强的特点,本文基于图像方法对树木三维模型建立进行研究,以获得外观近似的树三维模型,模型可应用在虚拟林业、虚拟现实等场景中。与此同时,随着摄影测量技术的不断发展,通过单张相片就可以对树木进行测量,本文对相机成像模型进行研究,以基于图像的测量方式快速获取测树因子,降低野外调查劳动强度,提高森林资源调查效率。本文的研究内容包括树木图像前景提取、树干与树冠提取、相机倾斜拍摄的图像校正、树木三维模型建立和基于摄影测量的树木参数提取,首先针对树木图像背景复杂、结构不规则的问题,提出基于Close-Form与K-means的树木前景提取方法,方法能够在少量用户标记下,计算树木前景与背景。然后使用GMM与区域生长算法分割树冠和树干图像,方法引入余弦相似度的度量方式,充分利用GMM聚类概率信息。随后为了保留图像线性特征,推导单应矩阵对图像进行透视变换,校正倾斜摄影图像到正视图像。然后研究树木三维模型建立方法,为了得到更真实的树木骨架信息,采用草图方式添加树木骨架,并提取树木主干与次级分枝拓扑结构,结合骨架拓扑关系与树冠凸包建立与真实树木形态相似的树木三维模型。最后研究基于图像的树木参数提取方法,选取了常用的测树因子与叶面积指数进行研究,根据相机成像模型,获得倾斜图像像素坐标到现实空间坐标的转换关系,为验证方法的准确性,以采集的45个树木样本进行实验测试,摄影测量单木树高、冠幅、胸径指标,三种测树因子的平均绝对误差分别为0.23m、0.17m、0.97cm,平均相对精度分别为5.74%、6.53%、8.62%。为反映树木长势与生长状况,定义树冠茂密度参量,以获取的测树因子与树冠茂密度作为输入,使用BP神经模型进行回归,反演单木叶面积指数。实验结果表明,相对于仅输入测树因子的BP神经模型模型,增加树冠茂密度作为输入的BP模型相关系数提高、均方误差降低,其中测试集均方误差达到0.24,相关系数达到0.77。本文所提出的基于图像的树木测量方法,符合林业调查的精度要求,一次采集就可获取多个参数,具有一定应用性。由于树木生长具有区域一致性,本文提出的叶面积指数反演模型具有一定参考性,对于城市行道树、人工林能够根据测树因子预测单木叶面积指数,便于对植物群落进行量化分析。