[发明专利]基于图像质量的PM2.5浓度预测方法有效

专利信息
申请号: 201611031140.0 申请日: 2016-11-22
公开(公告)号: CN106709903B 公开(公告)日: 2020-06-19
发明(设计)人: 陈强;杨本芊;徐琳 申请(专利权)人: 南京理工大学
主分类号: G06T7/00 分类号: G06T7/00
代理公司: 南京理工大学专利中心 32203 代理人: 马鲁晋
地址: 210094 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 质量 pm2 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,Jdark(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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201611031140.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top