【正文】 0 11 12 13 14 15 16 17 18 19 20 天津科技大學 20xx 屆本科生畢業(yè)論文 18 將所有模型的預測圖 繪制 到同一個坐標系中進行比較，如圖 44： 0 5 10 15 20 250 . 6 5 4 20 . 6 5 4 40 . 6 5 4 60 . 6 5 4 80 . 6 5 50 . 6 5 5 20 . 6 5 5 40 . 6 5 5 60 . 6 5 5 80 . 6 5 6葉片編號含水率預測值 d a t a 1模型一模型二模型三模型四模型五模型六 圖 44 擬合曲線的比較天津科技大學 20xx 屆本科生畢業(yè)論文 19 由圖 44 可以看出：六個模型的擬合效果都不是非常的顯著。 結(jié)論 本文利用圖像處理技術(shù)研究了葉片顏色和葉片含水率之間的關(guān)系。 (2)采集的數(shù)據(jù)比較單一（只有梧桐樹葉），樣本類型的單一會導致得出的回歸模型并不適用于其它類型的樹葉，即不具有一般性。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；同時擴大樣本空間，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。 天津科技大學 20xx 屆本科生畢業(yè)設(shè)計 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測模型。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確的。 模型五：分量標準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） 、藍色 ( B)的三個標準差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多元回歸模型。從圖像上來看：數(shù)據(jù)點均勻地分布 在擬合曲線附近而且有許多點落在了擬合曲線上。結(jié)果如表 33 所示。對多個樣本數(shù)據(jù)的變異程度進行比較時，如果度量標準和平均值相同，標準差和變異程度是等價的，標準差的不同就代表了變異程度的不同。平均值的計算公式： nxxni i??? 1 （ 32） 天津科技大學 20xx 屆本科生畢業(yè)設(shè)計 10 平均值具有反應靈敏、確立嚴密、通俗易懂、計算簡單等優(yōu)點，可用于進一步演算。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 。用照相機 采集 20組梧桐葉片的正反兩面圖像，然后導入到計算機中，方便對圖像的下一步處理。 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。 即通過選取適當?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。 對于一元線性回歸分析， 若在 X 與 Y 的散點圖中，數(shù)據(jù)點大都分布在一條直天津科技大學 20xx 屆本科生畢業(yè)設(shè)計 5 線附近，說明這兩個變量之間的關(guān)系是線性的 。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。 對基于 葉片顏色 的 葉片含水率的判定 方法進行了研究。 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 ,。 植 物葉片的含水率 可以 用來 檢測植 物的 生理狀態(tài) ，而 實時了解植 物的 生理 狀 態(tài) ,可以 在農(nóng)業(yè)領(lǐng)域 、 干旱監(jiān)測和森林火災預測方面 提供 非常 有用的信息 。 現(xiàn)有的植物葉片含水率的判別方法是比較傳統(tǒng)的。 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。它是一種科學的計算軟件，它將數(shù)據(jù)以矩陣的形式存儲并處理?；貧w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。 回歸方程的顯著性檢驗 t 檢驗 若線性假設(shè)有實際意義，則 0??b ，因為若是 0??b ， y 與 x? 就沒有因果關(guān)系了，方程就沒有意義了。反映 圖像的 數(shù)據(jù)的 集合 只包含兩個值， 不再涉及像素的多級值，使 圖像 處理變得 更加 簡單 ，同時 壓縮 了 數(shù)據(jù)量。 MATLAB 與回歸分析 對于回歸分析， MATLAB 中共有三種實現(xiàn)方法： (1)LinearModel (2)NonLinearModel： (3)GeneralizedLinearModel： 廣義線性回歸模型 通過對這三個回歸函數(shù)的調(diào)用，可以對數(shù)據(jù)進行不同類型的回歸分析。接著將葉片放入 70℃的烘干機中烘干 6個小時 , 烘干后 對葉 片進行稱重 ， 記錄稱重結(jié)果 ； 接著再對葉片烘干 1個小時，然后再次 稱重；再次重復以上步驟，最后得到三組葉片重量的數(shù)據(jù)。 部分代碼如下： A=imread(39。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。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。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。（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： 140145150155160165808590951000 . 6 5 50 . 6 5 5 20 . 6 5 5 40 . 6 5 5 60 . 6 5 5 80 . 6 5 6平均值標準差葉片含水率圖 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： 21 *)072 5 5 (*)051 2 2 (6 6 0 0 xexey ????? （ 43） 同時結(jié)果顯示 ??? ep 。 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。 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測值。 (1)數(shù)據(jù)量較?。ㄖ挥?20 組），這就導致得出的模型具有局