叶脉是支撑叶片生长、运输叶片所需养分与光合作用产物的重要结构。叶脉根据所处位置、生长趋势和宽度等因素可以将其分级,例如一级叶脉定义为从叶柄向叶尖延伸的最粗叶脉,叶脉层级相较于叶脉网络更能表征叶脉的特性。叶脉的层级分割对图像分类、叶片建模和分子育种等领域具有重大意义。然而,当前对叶脉的研究大多停留在叶脉网络,由于层级叶脉复杂难以定位,更能发掘叶脉的特性的叶脉层级却少有涉及。一方面各级叶脉在色彩、亮度方面具有较高的相似性,难以直接通过阈值分割;另一方面各级叶脉趋势多变,少数方法使用单方向线性滤波对各级叶脉分割不够全面。针对目前植物叶片的叶脉层级分割中存在的难点,本文提出一种基于区域生长的叶脉层级分割算法,并基于该方法设计全自动叶脉表型提取流程。主要研究内容如下:（1）针对各级叶脉难以直接通过阈值分割的问题,设计了一种基于多尺度形态学滤波特征值的算法用于叶脉层级增强分割。该方法以类曲线叶脉像素点对于形态学滤波响应的特征值为依据对叶脉进行增强,并根据叶脉层级特性引入多尺度思想,对各级叶脉进行分层增强,最后设计定量实验评估方法的有效性。实验结果表明增强后的叶脉分割效果明显优于未经增强的叶脉,在樱桃叶片和大豆叶片数据集中得到验证,证明了该方法的有效性。（2）针对单方向线性滤波对叶脉层级分割不全面的问题,设计了一种基于叶脉方向信息的区域生长算法用于层级叶脉生长重建。该方法通过对叶脉像素形态学滤波响应值排序得到叶脉曲线中像素的特征向量,以之作为方向信息设计叶脉区域生长算法,并通过一系列后处理提高叶脉分割效果。在樱桃和大豆叶片数据集上分别开展了层级叶脉分割,实验结果表明,本文方法在一级叶脉和二级叶脉的分割中整体上优于目前存在的方法。其中樱桃数据集中一级叶脉的平均完整度达到0.87,平均偏移完整度小于2像素;二级叶脉的平均准确率达到0.82,平均偏移正确率小于5像素。在此基础上本文尝试初步分割三级叶脉,据我们所知,这是第一次针对三级叶脉的分割。（3）针对叶脉表型提取不够完善的问题,设计了基于叶脉层级分割结果的全自动表型提取流程。该流程详细描述了叶脉表型的提取过程,包括图像扫描和标注、图像预处理、叶脉层级分割、叶脉网络模型表型提取。基于本文的提取结果对现存的叶脉表型进行了补充完善,在表型提取中引入叶脉的网络模型并通过道格拉斯普克算法进行简化,大幅提高了表型提取算法的效率,并以大豆叶片夹角为例做了定量分析,平均准确率为95.79%,验证了网络模型的可靠性。本文主要贡献在于对叶脉层级分割中的存在的问题提出解决方案,设计相应算法,并在双子叶植物中具有一定通用性,在此基础上进一步完善了叶脉表型数据库,为之后农学、生物学的研究提供数据支持。