[发明专利]基于图像质量的PM2.5浓度预测方法

说明书

本发明公开了一种基于图像质量的PM2.5浓度预测方法，属于图像处理技术领域。该方法首先对收集的数据集(筛选掉雨天拍摄图像)做图像配准，并抠取满足暗通道原理的图像块作为最终训练集。然后恢复训练集的透射率图，利用滑动窗口方法对透射率图像提取特征，并对图像特征标准化，消除相对湿度对其影响。接着利用稳健性回归分析方法分析训练集提取特征和真实PM2.5浓度之间的关系，进而得到PM2.5浓度预测模型。最后完成PM2.5浓度预测。实验结果表明，本发明中所给出算法预测PM2.5浓度优于现有算法，且能够克服相对湿度气象条件对大气成像的影响，对日常生活中PM2.5浓度监控具有重要意义。

技术领域

本发明涉及一种PM2.5浓度预测方法，特别是一种基于图像质量的PM2.5浓度预测方法。

背景技术

PM2.5是悬浮于空气中直径小于等于2.5μm的所有颗粒物总称，它是衡量空气质量的一个重要指标，且对人体健康有很大的影响。目前，检测空气中PM2.5浓度的都是一些大设备，这些设备成本较高且需要定期维护。经过观察发现，不同空气质量情况下拍摄到的图像，质量上存在明显差异。因此想设计出一种图像质量与PM2.5浓度相关性模型构建方法。现有的基于图像处理的PM2.5浓度预测方法主要是提取一些能反映图像质量的特征。近几年主要出现了如下两种基于图像处理的PM2.5浓度预测方法：

(1)基于图像视觉特征的方法。该类方法提取图像的梯度、色彩特征。用所拍图像的天空颜色差异估计PM2.5浓度，该方法受天气的影响，如：阴天灰沉沉的，增加了估计的误差。用图像的梯度特征没有考虑到相对湿度对图像质量的影响。

(2)基于图像物理特征的方法。该方法利用了大气成像物理模型，并采用暗原色先验估计方法恢复图像的透射率图，用滑动窗口策略对透射率图提取特征矩阵，并利用稳健性回归分析方法建立特征矩阵和真实PM2.5浓度之间的关系模型。但该方法没有考虑相对湿度对大气成像的影响。相对湿度会影响空气中颗粒物PM2.5的消光能力，相对湿度越大，空气中PM2.5吸收的水份越多，对大气光的散射能力越强，成像越模糊。

因此，现有的基于图像处理的PM2.5预测方法没有考虑相对湿度对大气成像的影响，导致PM2.5浓度估计准确度偏低。

发明内容

本发明的目的在于提供一种图像质量与PM2.5浓度相关性模型构建的新方法。

实现本发明的目的的技术解决方案为：一种图像质量与PM2.5浓度相关性模型构建的新方法，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；

步骤2、采用基于暗通道先验理论去雾算法提取收集图像的透射率图；

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。

本发明与现有技术相比，其显著优点为：1)本发明考虑和克服了相对湿度对大气成像的影响，提高了PM2.5估计的预测精度。2)本方法只扣取了图像中符合暗通道原理的块来建立预测模型；简单有效的剔除了图像中无用块，大大的缩短了建模时间，同时也减少了建模所需内存空间。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明基于图像处理估计PM2.5浓度新方法的流程图。

图2是标准化相对湿度对图像透射率特征影响的流程图。

图3是用智能手机收集到的自然图像。