[发明专利]基于图像质量的PM2.5浓度预测方法

权利要求书

1.一种基于图像质量的PM2.5浓度预测方法，其特征在于，包括以下步骤：

步骤1、定点定时采集自然图像，并对图像做预处理；具体为：

步骤1-1、筛选掉数据集中雨天拍摄的图像；

步骤1-2、对剩余数据集做图像配准，选择一幅图像作为基准图像对其余图像做配准，配准时用的是Generalized Dual Bootstrap-ICP算法，变换模型选择相似性Similarity；

步骤1-3、抠取数据集中图像的某一块作为最终的训练集，去除图像无用信息，图像块包含满足暗通道原理的景物；

步骤2、采用基于暗通道先验理论去雾算法恢复采集图像的透射率图，具体为：

步骤2-1：对训练集中图像R、G、B三个通道分别做最小值滤波，窗口大小p为：

1).p＝m*m

2).m＝floor(max([3,w*kenlRatio,h*kenlRatio]))

其中m是窗口直径，w是图像的宽度，h是图像的高度，kenlRatio是一个比例，取值在0.01到0.05之间；对三个通道做完最小值滤波后，选取三个通道中像素最小亮度值作为暗通道图对应像素点亮度值，从而恢复出暗通道图；

步骤2-2：求出每幅图像的大气光照强度A：首先，从暗通道中按照亮度的大小取前0.1％的像素；其次，在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值，作为A值；

步骤2-3：构建大气成像物理模型:I(x)＝J(x)t(x)+A(1-t(x))，其中x是像素点坐标，I是观测到的有雾图像，J是清晰的无雾图像，A是全局大气光照强度，t用来描述光线通过介质透射到成像设备过程中没有被散射的部分，透射率；

步骤2-4：构建暗通道先验理论模型为：其中x是像素点坐标，c代表了任意通道，y是像素点x的领域像素点坐标，J是清晰地无雾图像，J^dark(x)是暗通道图，该模型表明，在绝大多数非天空的局部区域里，某一些像素总会趋于0；

步骤2-5：根据上述公式推导得到公式其中x是像素点坐标，c代表了任意通道，y是像素点x的领域像素点坐标，I是观测到的有雾图像，t(x)是待求的透射率图；通过该公式恢复粗透射率图，然后用指导性滤波器进行细化粗透射图，细化后的透射率图即为所求透射率图；

步骤3、利用滑动窗口方法对步骤2中得到的透射率图像提取特征矩阵；

步骤4、对步骤3得到的特征矩阵进行标准化处理，消除相对湿度对其影响；

步骤5、用稳健性回归分析方法建模得到PM2.5浓度预测模型；

步骤6、用步骤5得到的模型对PM2.5浓度进行预测。

2.根据权利要求1所述的基于图像质量的PM2.5浓度预测方法，其特征在于，步骤3利用滑动窗口方法对透射率图像提取特征矩阵具体为：

步骤3-1、滑动窗口大小设置为h和w是图像的高度和宽度，ws是窗口大小，移动步长设置为step是窗口滑动的步长；

步骤3-2、将滑动窗口沿着透射率图像的横纵方向逐步移动，并计算窗口亮度的平均值的对数作为窗口的特征值，进而得到特征矩阵，一幅图像对应一个特征矩阵。