葉片顏色與含水率的關(guān)系研究畢業(yè)論文(文件)
【正文】 明在這個模型中，平均值的效果并不顯著。（數(shù)據(jù)見表33，代碼和運行結(jié)果見附錄3）分析：由上述運算結(jié)果可知變異系數(shù)和葉片含水率的多元回歸模型為： (45) 同時結(jié)果顯示。 模型比較 將葉片含水率的原始值和所有模型的預(yù)測值放到同一個表中進行比較和分析，見表 41。即葉片的含水率可以通過RGB圖像三原色紅色、綠色和藍色的平均值和圖像的標準差來估計。從結(jié)果中可以看到預(yù)測值與實際值之間的差異非常小，這就說明模型四的擬合結(jié)果是比較好的。在對RGB圖像用Matlab處理并提取了圖像的特征參數(shù)后建立了特征參數(shù)與葉片含水率的回歸模型，最終給出了葉片顏色與葉片含水率的定量模型，并對模型進行了驗證，證明了得出的回歸方程是有意義的。所以本次研究所建立的六個一元或多元回歸模型并不能非常準確地反映梧桐葉片含水率和葉片顏色之間的關(guān)系。最終從不同的模型中歸納總結(jié)出能代表不同樹葉顏色與其葉片含水率的一般模型，而這個模型將在農(nóng)業(yè)、林業(yè)等方面發(fā)揮更大的作用。未來，可以采集不同類型的葉片圖像，例如槐樹、楊樹等等。(1) 數(shù)據(jù)量較?。ㄖ挥?0組），這就導(dǎo)致得出的模型具有局限性。結(jié)果表明：梧桐葉片RGB圖像的三原色紅色、綠色和藍色三個分量的平均值與圖像標準差對葉片含水率所建立的四元回歸模型可以較為準確的定量分析梧桐葉片顏色和含水率之間的關(guān)系。 采用模型四對上述三組圖像進行處理，將圖像的數(shù)據(jù)代入公式（44）中，然后得出葉片含水率的預(yù)測值。在這其中模型五的擬合效果是最差的。 模型六：六元回歸模型分別將RGB圖像三原色紅色、綠色和藍色的三個平均值和三個標準差這六個變量作為自變量，葉片含水率為因變量建立六元回歸模型。（數(shù)據(jù)見表33，代碼和運行結(jié)果見附錄3）分析：由上述運算結(jié)果可知自變量和葉片含水率的四元回歸模型為： (44)同時結(jié)果顯示，拒絕原假設(shè)，回歸效果是顯著的，線性回歸方程有意義。（數(shù)據(jù)見表33，代碼和運行結(jié)果見附錄3） 擬合圖形如圖 43所示：圖 43 平均值和標準差二元回歸模型擬合圖分析：由上述運算結(jié)果可知平均值和標準差的二元回歸模型為： （43）同時結(jié)果顯示。從方程和圖像可以看出標準差和葉片含水率成正比，即隨著標準差的增加葉片含水率也在不斷增加。從方程和圖像可以看出變異系數(shù)和葉片含水率成反比，同時從圖像可以看出數(shù)據(jù)點是非常分散地分布在擬合曲線附近的。（代碼見附錄2） 表 32 葉片的平均值，標準差以及變異系數(shù)葉片編號平均值標準差變異系數(shù)葉片含水率1234567891011121314151617181920 (2)RGB圖像數(shù)據(jù)處理結(jié)果將RGB圖像批量導(dǎo)入Matlab中，分別求紅色（R）、綠色（G）、藍色（B） 三色各自的平均值、標準差以及整個圖像的平均值、標準差。因此，模型一以變異系數(shù)為自變量來構(gòu)建一元回歸模型。 （3）變異系數(shù)衡量的是樣本中各個數(shù)據(jù)的變異程度。它在概率統(tǒng)計中最常用來測量統(tǒng)計數(shù)據(jù)的分布程度。 imshow(A) （a）原圖 （b）二值化后 圖 32 葉片原圖和二值化后的圖片對比 數(shù)據(jù)處理中的統(tǒng)計量 （1）平均值又稱為算數(shù)平均值，是數(shù)理統(tǒng)計中最基礎(chǔ)的統(tǒng)計量。 部分代碼如下： A=imread(39。葉片含水率的計算公式： (31)公式（31）中, 為梧桐葉片樣本的含水率, 是梧桐葉片的鮮重, 是烘干后梧桐葉片的干重。 （a） 正面 （b） 反面 圖31 葉片圖像的正反面 葉片含水率的測定用烘干法測梧桐樹葉的葉片含水率，具體做法為：首先對鮮葉片進行三次稱重，然后記錄葉片的稱重結(jié)果。即Matlab中的LinearModel函數(shù)可以同時實現(xiàn)模型建立和模型檢驗。 (2)NonLinearModel：非線性回歸模型216。RGB 圖像是一種三維的彩色圖像，該圖像上的每一個像素點都有紅、綠、藍三個特征分量，RGB圖像的每一個的特征分量的值都在0~255范圍內(nèi)，它們以不同的比例混合形成不同的圖像。為了得到較為理想的二值化圖像，可以采用封閉且相連的邊界定義不相交的區(qū)域。即通過選取適當(dāng)?shù)拈撝祵GB彩色圖像轉(zhuǎn)化為仍可以反映圖像整體和局部特征的二值化圖像。因此需要進行假設(shè)檢驗。對于一元線性回歸分析，若在與的散點圖中，數(shù)據(jù)點大都分布在一條直線附近，說明這兩個變量之間的關(guān)系是線性的。本研究的主要內(nèi)容是一元和多元的線性回歸分析。本研究使用的是MATLAB中的圖像處理和數(shù)據(jù)處理中的回歸分析功能。在MATLAB中集合了高性能的數(shù)值計算和可視化，同時提供了大量的內(nèi)置函數(shù)，這些內(nèi)置函數(shù)被調(diào)用來實現(xiàn)我們所需要的功能，因此MATLAB被用來進行科學(xué)計算，同時也被廣泛地應(yīng)用于
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1