【正文】 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。 （ 2） 標準差是方差的算術(shù)平方根。（數(shù)據(jù)見表 32，代碼和運行結(jié)果見附錄 3） 擬合曲線如圖 41 所示： 0 . 1 6 0 . 1 8 0 . 2 0 . 2 2 0 . 2 4 0 . 2 6 0 . 2 8 0 . 30 . 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 1變異系數(shù)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 41 變異系數(shù)和葉片含水率擬合曲線 分析：由上述運算結(jié)果可知變異系數(shù)和葉片含水率的一元回歸模型為： 00 10 67 55 ??y （ 41） 同時結(jié)果顯示 ??p ?；貧w模 型的效果是顯著的，自變量與葉片含水率之間的關(guān)系是線性的。 由于專業(yè)水平和時間有限，所以本文有一些缺點和不足?；蛟S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。（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) 同時結(jié)果顯示 ??? ep ，所以拒絕原假設(shè) ，回歸是顯著有效的。這就說明二者之間并不滿足線性關(guān) 系。標準差反映了一個數(shù)據(jù)集內(nèi)數(shù)據(jù)個體間的離散程度。當相鄰兩次烘干處理后，葉片的干重之差小于 0. 001 g 時 , 該次烘干后所 測得葉片的重量即可作為樣本葉片的干重。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。本研究的主要內(nèi)容是一元和多元的線性回歸分析。此外，由于該模型只有一個特征參數(shù) , 所以不足以進行模式判別。 我國是一個較為缺乏水資源的國家，同時我國又是一個農(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。 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。 回歸分析的主要步驟為： (1)模型建立：針對給定的數(shù)據(jù)集，確定其中某些變量之間的定量關(guān)系式，即建立自變量與因變量之間的回歸模型并估計其中的未知參數(shù)的值。如果物體 和 背景 在 灰度值上 并沒有差別，而這個差別表現(xiàn)在其他方面 （比如紋理不同） ， 也 可以 將其它的差別 轉(zhuǎn)換為灰度 值 的差別，然后 通過對 閥值 的 選取 把 圖像 的背景和物體區(qū)域分開 。天津科技大學(xué) 20xx 屆本科生畢業(yè)論文 8 表 31 葉片的鮮重和干重以及葉片的含水率數(shù)據(jù) 葉片編號 第一次稱量（ g） 第二次稱量（ g） 第三次稱量（ g） 選用數(shù)據(jù)（ g） 葉片編號 第一次稱量（ g） 第二次稱量（ g） 第三次稱量（ g） 選用數(shù)據(jù)（ g） 含水率（ %） 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 19 20 20 天津科技大學(xué) 20xx 屆本科生畢業(yè)論文 9 圖像數(shù)據(jù)的處理 圖像二值化 由于本研究采集的是梧桐樹葉的 RGB 圖像 ，該圖像上的 每一個像素點都是用分別 代表圖像三原色 紅色 （ R） 、綠色 （ G） 、藍色 （ B）的三 個亮度值來描述的 , 因此增加了 RGB圖像處理的工作量 。 （ 3） 變異系數(shù)衡量的是樣本中各個數(shù)據(jù)的變異程度。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。在這其中模型五的擬合效果是最差的。 未來，可以采集不同類型的葉片圖像，例如槐樹、楊樹等等。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。（數(shù)據(jù)見表 33，代碼和運行結(jié)果見附錄 3） 天津科技大學(xué) 20xx 屆本科生畢業(yè)設(shè)計 16 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： 4321 *07)( 1. 4018e*05)( 1. 9486e *06)( 5. 8133e*06)( 3. 0163e . 65920 xx xxy ?? ??? (44) 同時結(jié)果顯示 ??? ep ，拒絕原假設(shè)，回歸效果是顯著的，線性回歸方程有意義。（代碼見附錄 2） 天津科技大學(xué) 20xx 屆本科生畢業(yè)設(shè)計 11 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 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 (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。 imshow(A) （ a） 原圖