[发明专利]基于图像的高效PM2.5浓度预测方法

权利要求书

1.基于图像的高效PM2.5浓度预测方法，其特征在于包括以下步骤：

第一步、提取RGB格式图片的饱和度S(x，y)；

其中x、y分别为图像水平、垂直位置的像素点；U(x，y)＝max[R(x，y)，G(x，y)，B(x，y)]，U(x，y)为图片R、G、B分量中最大的值；V(x，y)＝min[R(x，y)，G(x，y)，B(x，y)]，V(x，y)为图片R、G、B分量中最小的值；

第二步、计算图像饱和度在空间域的熵H_s；

其中D_H为图像饱和空间的高度和D_M为图像饱和空间的宽度，P(i，j)为概率密度；

第三步、通过哈尔小波变换技术将饱和度空间分解成10个波段，并计算每一波段小波系数的熵

其中饱和度空间分解成5个尺度，每个尺度均分解为LH、HL、HH三个波段，考虑到LH、HL波段的统计数据相似，将二者融为一体，即每个尺度分解为LH+HL与HH两个波段，最终得到10个波段，公式中Z＝{LH+HL，HH}，分别为第k个Z波段的高度和宽度；为第k个波段小波系数的概率密度；

第四步、计算整个变换域饱和度的熵E_s；

其中K是饱和空间分解尺度的总数，取5；β为一个大于1的权值，取4；和由第三步求得，第三步求得的每一波段小波系数的熵中Z＝{LH+HL，HH}，分别表示为LH与HL波段小波系数的熵与HH波段小波系数的熵

第五步、根据空间域中熵的分布直方图得出极值概率密度函数Q_V；

其中u和d是拟合的模型参数；H_s由第二步求得；

第六步、通过最大似然法计算出最优模型参数u和d的值；

其中n为所有样本的数量；f_i表示每一个样本的极值概率；迭代出第五步拟合的模型参数u和d的最优值为u＝7.1325，d＝0.3485；

第七步、根据变换域中熵的分布直方图得出高斯概率密度函数Q_G；

其中E_s由第四步求得；μ和σ是拟合的模型参数，由最大似然法迭代出μ和σ的最优值为μ＝0.0565和σ＝0.0086；

第八步、融合Q_V Q_G得到PM2.5浓度预测方法似然度Q；

其中ω为权值，取为0.5；

第九步、将似然度Q进行非线性映射得到PM2.5浓度S_E；

其中α₁ α₂ α₃是在曲线拟合过程中确定的自由参数；Q为第八步求得。