【正文】 660120 xx xxy ?? ??? (45) 同時結果顯示 . 79e ??p 。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。在對 RGB圖像用 Matlab 處理并提取了圖像的特征參數后建立了特征參數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。最終從不同的模型中歸納總結出能代表不同樹葉顏色與其葉片含水率的一般模型，而這個模型將在農業(yè)、林業(yè)等方面發(fā)揮更大的作用。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系。 從結果中可以看到預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果是比較好的。 模型比較 將葉片含水率的原始值和所有模型的預測值放到同一個表中進行比較和分析，見表 41。但平均值的 ??p ，說明在這個模型中，平均值的效果并不顯著。結合對 p 值和擬合曲線的分析可以得出這個一元回歸模型并不能較為準確地反映葉片顏色和葉片含水率之間的關系。 數據處理結果 (1)在 Matlab 中對二值化后的圖像分別求整個圖像的平均值和標準差并計算變異系數。標準差與平均值并不等價，即使兩個數據集的平均值是相等的，其標準差也未必相同。)。結果如表 31所示。調用 LinearModel 函數后就會得出變量之 間確定的關系式，同時結果中會輸出 p 值，通過 p 值就可以確定顯著性水平，?p ，回歸方程就有意義。 設定一個合適的閾值，將 所有灰度 值 大于或等于 閾值 的像素 點 判定為 物體區(qū)域 ，其灰度值 是 255， 相反則 排除在物體區(qū)域以外，灰度值 就為 0， 代表圖片 背景 區(qū)域 或者物體外的區(qū)域。使用 t 檢驗法來進行顯著性檢驗，假設： 0:,0: 10 ?? bHbH ，則 212 )(),/,(~? ???? ni ixxxxxxSSbNb ? ，于是 0H 的拒絕域為： )2(?? 2/ ??? ntSbt xx ?? （本研究設定顯著性水平?? ），如果拒絕 0H 即 ?p ，認為回歸效果是顯著的；否則，則認為回歸效果不顯著，說明線性回歸模型不適用，需要采用別的模型來研究。 在回歸分析中，如果數據集只包含單一的自變量和因變量，同時自變量和因變量之間具有線性的關系，那么這種回歸分析稱為一元線性回歸分析。 MATLAB 主要包括 MATLAB和 Simulink 兩大部分。 Blackmer 和 Schepers 在 《 Analysis of aerial photography for nitrogen stress within corn fields》 [22]中 改進了穗波信雄等的實驗 , 通過 把 8位彩色航拍圖像分解成紅色、綠色、藍色三原色來處理數字化的航拍圖像 , 然后分別對紅色、綠色、藍色三原色的特征參數進行統(tǒng)計。而針對 植物葉片含水率的預測， 基于 圖像處理技術的相關研究是比較少的。天津科技大學 20xx 屆本科生畢業(yè)論文 1 畢業(yè)論文 葉片顏色與含水率的關系研究 天津科技大學 20xx 屆本科生畢業(yè)設計 2 1 前 言 作為一種重要的元素 ， 植物 的含水率影響著整個植物的生理狀態(tài)。 楊勇，張冬強在《基于光譜反射特征的柑橘葉片含水率模型》 [1]中 采用了構造光譜指數和光譜逐步回歸分析兩種方法，分析了葉片圖像的光譜 (380~2500nm)反射率與葉片含水率之間的定量關系并建立了 葉片含水率與葉片圖像光譜反射率之間的模型。結果表明隨著綠色和紅色的統(tǒng)計天津科技大學 20xx 屆本科生畢業(yè)設計 3 值與高氮水平的供應狀況成正比； 相比于 藍色的統(tǒng)計值 ， 紅色和綠色的統(tǒng)計值更能預測植物的供氮水平 。 MATLAB 的功能非常強大，它簡單易用，擁有很強的數據和圖像處理能力。如果回歸分析中的自變量不止一個，有兩個或兩個以上，且因變量和自變量之間的關系是線性的，則稱為多元線性回歸分析。 (3)模型驗證：針對給出的樣本，利用求得的回歸方程對因變量進行預測并比 較預測值與真實值的誤差，以誤差大小來衡量回歸模型的合理性。如果 一個 特定物體的灰度值 是 均勻一致并且處在一個均勻 的 背景下，使用 閾值 法就可以 得到較好的分割效果 。即 Matlab 中的 LinearModel 函數可以同時實現模型建立和模型檢驗。 葉片含水率的計算公式： %1 0 0121 ??? w wwv (31) 公式 （ 31） 中 , v 為梧桐葉片樣本的含水率 , 1w 是 梧桐葉片的鮮重 , 2w 是 烘干后梧桐葉片的干重。 A=im2bw(A,)。標準差計算公式： ?? ??ni ixN 12)(1 ?? （ 33） （ 33）中 ? 代表數據集的平均值， N 是數據的個數， ix 為數據的值）。結果如表 32 所示。 天津科技大學 20xx 屆本科生畢業(yè)設計 14 基于 RGB 圖像統(tǒng)計量的回歸模型 模型二：以圖像標準差 s 為自變量的一元回歸模型 將圖像標準差 s 作為自變量，葉片含水率作為因變量建立一 元回歸模型（數據見表 33，代碼和運行結果見附錄 3） 擬合曲線如圖 42 所示： 80 82 84 86 88 90 92 94 96 980 . 6 5 4 90 . 6 5 50 . 6 5 5 10 . 6 5 5 20 . 6 5 5 30 . 6 5 5 40 . 6 5 5 50 . 6 5 5 60 . 6 5 5 70 . 6 5 5 8y v s . x標準差 S葉片含水率 D a t aF i tC o n f i d e n c e b o u n d s 圖 42 標準差和葉片含水率擬合曲線 分析：由上述運算結果可知標準差和葉片含水率的一元回歸模型為： xey *0562 ??? （ 42） 同時結果顯示 ??p 。 模型四：分量平均值和圖像的標準差四元回歸模型 分別將 RGB 圖像三原色 紅色、綠色和藍色 這 三個分量的平均值和圖像的標準差這四個變量作為 自變量，葉片含水率作為因變量建立四元回歸模型。 天津科技大學 20xx 屆本科生畢業(yè)論文 17 表 41 各個回規(guī)模型預測值與原始值的比較 葉片編號 原始數據 模型一 模型二 模型三 模型四 模型五 模型六 1 2 3 4 5 6 7 8 9 1