【正文】 and Creative Engineering,20xx,1(4). [26]GHULAM Abduwasit,KASIMU Alimujiang. A method for canopy water content estimation for highly vegetated surfacesshortwave infrared perpendicular water stress index[J]. Science in China(Series D:Earth Sciences),20xx,09:13591368. 天津科技大學(xué) 20xx 屆本科生畢業(yè)論文 。然后分別對不同的樹葉 構(gòu)建葉片顏色和含水率之間的回歸模型；同時(shí)擴(kuò)大樣本空間，增加數(shù)據(jù)量從而使選取的樣本更具有代表性，最終得出更具代表性的結(jié)論。或許它只能反映部分梧桐葉片與其含水率的關(guān)系，如果換一組數(shù)據(jù)，可能會得出不同的結(jié)果。 天津科技大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì) 20 5 總結(jié)與展望 本文研究了基于 RGB 圖像處理技術(shù)的梧桐葉片含水率預(yù)測模型。對這三組葉片的含水率進(jìn)行預(yù)測，得到的的結(jié)果分別為： ， ,， 。而其它五個模型的擬合效果都相差無幾，相對來說，模型四的擬合效果是最為準(zhǔn)確的。（數(shù)據(jù)見表 33，代碼和運(yùn)行結(jié)果見附錄 3） 分析：由上述運(yùn)算結(jié)果可知各個自變量和葉片含水率的六元回歸模型為： 654321*) 051 . 2 7 3 1 e(*) 062 . 9 8 9 1 e(*)066 . 8 0 9 7 e(*)052 . 2 1 3 9 e(*) 067 . 7 7 1 1 e(*)064 . 2 9 8 2 e( . 6 6 0 7 30xxxxxxy??????? (46) 同時(shí)結(jié)果顯示 ??? ep ，所以拒絕原假設(shè) ，回歸是顯著有效的。 模型五：分量標(biāo)準(zhǔn)差和圖像的平均值四元回歸模型 分別將 RGB 圖像三原色 紅色 ( R) 、綠色 （ G） 、藍(lán)色 ( B)的三個標(biāo)準(zhǔn)差和圖像的標(biāo)準(zhǔn)差這四個變量作為自變量，葉片含水率作為因變量建立多元回歸模型。從方程和圖形可以看出平均值和葉片含水率成反比，標(biāo)準(zhǔn)差和葉片含水率成正比。從圖像上來看：數(shù)據(jù)點(diǎn)均勻地分布 在擬合曲線附近而且有許多點(diǎn)落在了擬合曲線上。這就說明二者之間并不滿足線性關(guān) 系。結(jié)果如表 33 所示。變異系數(shù)的計(jì)算公式： %1 0 0?? xSCV （ 34） （ 34）中， CV 為變異系數(shù)， x 為數(shù)據(jù)集的平均值， S 為數(shù)據(jù)集的標(biāo)準(zhǔn)差。對多個樣本數(shù)據(jù)的變異程度進(jìn)行比較時(shí)，如果度量標(biāo)準(zhǔn)和平均值相同，標(biāo)準(zhǔn)差和變異程度是等價(jià)的，標(biāo)準(zhǔn)差的不同就代表了變異程度的不同。標(biāo)準(zhǔn)差反映了一個數(shù)據(jù)集內(nèi)數(shù)據(jù)個體間的離散程度。平均值的計(jì)算公式： nxxni i??? 1 （ 32） 天津科技大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì) 10 平均值具有反應(yīng)靈敏、確立嚴(yán)密、通俗易懂、計(jì)算簡單等優(yōu)點(diǎn)，可用于進(jìn)一步演算。C:\Users\zhangc\Desktop\圖像 \39。為了減少 數(shù)據(jù)量 ， 使圖像 處理 變得 更加簡單， 從而方便讀取圖像上的數(shù)據(jù)，首 先將 RGB圖像二值化 。當(dāng)相鄰兩次烘干處理后，葉片的干重之差小于 0. 001 g 時(shí) , 該次烘干后所 測得葉片的重量即可作為樣本葉片的干重。用照相機(jī) 采集 20組梧桐葉片的正反兩面圖像，然后導(dǎo)入到計(jì)算機(jī)中，方便對圖像的下一步處理。本文主要使用 LinearModel 函數(shù)來做回歸擬合。 RGB 圖像是一種三維的彩色圖像，該圖像上的每一個像素點(diǎn)都有紅、綠、藍(lán) 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)?閾值將 RGB 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(jìn)行假設(shè)檢驗(yàn)。 對于一元線性回歸分析， 若在 X 與 Y 的散點(diǎn)圖中，數(shù)據(jù)點(diǎn)大都分布在一條直天津科技大學(xué) 20xx 屆本科生畢業(yè)設(shè)計(jì) 5 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(jì)算和可視化，同時(shí)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(shí)現(xiàn)我們所需要的功能，因此 MATLAB 被用來進(jìn)行 科學(xué)計(jì)算，同時(shí)也被廣泛地應(yīng)用于系統(tǒng)控制、信息處理等領(lǐng)域的分析、仿真和設(shè)計(jì)工作。 對基于 葉片顏色 的 葉片含水率的判定 方法進(jìn)行了研究。此外，由于該模型只有一個特征參數(shù) , 所以不足以進(jìn)行模式判別。 徐騰飛，韓文霆在《基于圖像處理的玉米葉片含水率診斷方法研究》 [2]中研究了 玉米葉片的圖片 , 對缺水的玉米葉片圖像進(jìn)行了分析 , 研究了以圖像處理技術(shù)為基礎(chǔ)的農(nóng)作物缺水診斷方法 ,。 一些研究 是 基于水分含量和 葉綠素之間的關(guān)系 ，也有一些是基于葉片含水率 和光譜之間的關(guān)系 。 植 物葉片的含水率 可以 用來 檢測植 物的 生理狀態(tài) ，而 實(shí)時(shí)了解植 物的 生理 狀 態(tài) ,可以 在農(nóng)業(yè)領(lǐng)域 、 干旱監(jiān)測和森林火災(zāi)預(yù)測方面 提供 非常 有用的信息 。 我國是一個較為缺乏水資源的國家，同時(shí)我國又是一個農(nóng)業(yè)大國，有效地提取并且利用農(nóng)作物體內(nèi)的水分信息有助于轉(zhuǎn)變我國目前傳統(tǒng)的灌溉方式，提高水資源在我國的利用率，改善居民用水緊張的現(xiàn)狀。 現(xiàn)有的植物葉片含水率的判別方法是比較傳統(tǒng)的。結(jié)果顯示，基于柑橘葉片含水率與葉片圖像反射光譜的模型證明了了二者之間的相關(guān)性較強(qiáng)。 穗波，信雄在《 根據(jù)圖像提取植物的生長信息》 [4]中提取了茨菇缺鈣、鎂、鐵 3 種元素時(shí)葉片圖像的顏色特征 , 繪制灰度直方圖并 分析了其特征 , 利用閾值法將葉片的病態(tài)部分和正常部分分割出來 ,將病態(tài)面積占整個葉片的百分比作為特征參數(shù) , 但 其效果并不好。 本研究以梧桐樹的葉片為例 , 研究了葉片顏色與葉片含水率 之間的關(guān)系。它是一種科學(xué)的計(jì)算軟件，它將數(shù)據(jù)以矩陣的形式存儲并處理。它集成了數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大的功能，并將這些功能放在一個易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一個全面的解決方案，與此同時(shí) MATLAB 在很大程度上脫離了傳統(tǒng)非交互式程序設(shè)計(jì)語言（如C、 Fortran） 的編輯模式，很大程度上代表了現(xiàn)今國際科學(xué)計(jì)算軟件的先進(jìn)水平。回歸分析按照自變量的個數(shù)可以分為一元回歸分析和多元回歸分析；而按照自變量和因變量之間的不同關(guān)系，它又可以分為線性回歸分析和非線性回歸 分析。 回歸分析的主要步驟為：