一种基于图像分析的空气质量评估方法
【专利摘要】本发明公开了一种基于图像分析的空气质量评估方法，包括如下步骤：获取外界环境数据图像，再分别获取图像的暗通道特征、功率谱斜率、对比度、饱和度；将暗通道特征、功率谱斜率、对比度、饱和度组成多维向量，构造决策树，构造支持向量机分类器；获取待评估的一副图像的暗通道特征、功率谱斜率、对比度、饱和度，组成多维向量，将多维向量送入分类器。相对于现有技术，本发明通过分析各种空气质量的图像，判断实时天气的情况，该方法简单、速度快、准确性高，能够快速、便捷、精确地判断出空气质量的优、良、轻度污染、中度污染、重度污染、严重污染六个等级。
【专利说明】一种基于图像分析的空气质量评估方法
【技术领域】
[0001] 本发明涉及图像处理、分析领域，特别为一种基于图像分析的空气质量评估方法。
【背景技术】
[0002] 高速发展的工业化虽然在很大程度上提高了人们的生活水平，但也带来了严重的 环境污染，特别是空气污染，如一些大中型城市出现的雾霾天气。面对复杂多变的空气环 境，为了提前做好合理的应对措施，及时、准确地获得空气质量变得越来越重要。
[0003] 目前，获取空气质量的方法有许多。政府在一些大城市修建了空气质量监测站， 例如，北京市有约四十几个空气质量监测站，但是北京市的面积是16410. 54平方公里，而 且空气质量的变化是非线性的，因此，相对于如此大的面积，目前数量的监测站很难做到准 确、及时地获取空气质量，而修建更多的空气质量监测站是得不偿失的；还有通过卫星遥感 技术的方法反应大气的空气质量，但大气的空气质量并非是近地地区的空气质量，即使获 得的数据是准确无误的，其对近地地区也没有多大的意义；另外，有人想通过已有的空气质 量监测站点数据，结合气象、交通流、路网和兴趣点等多种传感数据来实时分析空气质量， 还有人通过移动设备实时收集空气质量数据，并通过无线传输，在谷歌地图上显示出来，但 是，这些方法都需要大量的感知数据和复杂的算法支持，实现的方式非常复杂，需要考虑的 情况也很多，很难得到广泛的推广，而且，对于上述的某些数据，一般人往往是无法得到的。
[0004] 鉴于现有技术很难准确、及时获取空气质量或者其使用的方法非常复杂。因此，获 得一种简单、及时、准确的空气质量推断方法成为了本领域技术人员一直追求的目标。
【发明内容】
[0005] 为解决现有技术存在的问题，本发明的一种基于图像分析的空气质量评估方法， 该方法包括如下步骤：
[0006] Sl :在6类不同的空气质量情况下，分别获取外界环境数据图像Xi;
[0007] S2 :针对每类空气质量情况，分别获取图像Xi的暗通道特征、功率谱斜率、对比度、 饱和度；
[0008] S3 :将暗通道特征、功率谱斜率、对比度、饱和度组成多维向量；
[0009] S4 :利用步骤S3中的多维向量构造决策树，决策树叶子节点的个数为6,构造 5个 支持向量机分类器；
[0010] S5 :将待评估空气质量的数据图像Y的暗通道特征、功率谱斜率、对比度、饱和度 构造待评估的多维向量y，将该待评估的多维向量y送入支持向量机分类器进行分析对比， 确定空气质量。
[0011] 本发明通过设计支持向量机分类器评估空气质量，支持向量机分类器设计完成 后，仅需要将待评估空气质量的图像数据输入到计算机中，获取相应特征的多维向量，即可 通过支持向量机分类器判断出图像中环境的空气质量。该方法数据获取容易、判断速度快、 准确率高，摆脱了对现有空气质量检测仪的依赖。
[0012] 进一步地，决策树的构造步骤如下：
[0013] S40 :分别计算每类空气质量情况下多维向量的中心：
[0014]
【权利要求】
1. 一种基于图像分析的空气质量评估方法，其特征在于：该方法包括如下步骤： 51 :在6类不同的空气质量情况下，分别获取外界环境数据图像Xi; 52 :针对每类空气质量情况，分别获取图像Xi的暗通道特征、功率谱斜率、对比度、饱和 度； 53 :将暗通道特征、功率谱斜率、对比度、饱和度组成多维向量； 54 :利用步骤S3中的多维向量构造决策树，决策树叶子节点的个数为6,构造5个支持 向量机分类器； 55 :将待评估空气质量的数据图像Y的暗通道特征、功率谱斜率、对比度、饱和度构造 待评估的多维向量y，将该待评估的多维向量y送入支持向量机分类器进行分析对比，确定 空气质量。
2. 根据权利要求1所述的基于图像分析的空气质量评估方法，其特征在于：决策树的 构造步骤如下： 540 :分别计算每类空气质量情况下多维向量的中心：
其中，i = 1，2, 3, 4, 5, 6 ; IXi I代表Xi*数据的数量；X代表多维向量； 541 :计算6个多维向量的中心的归一化距离：
其中，N = 6 ; 542 :计算不同类空气质量情况下多维向量的中心之间的距离：
543 :对于每个多维向量的中心Ci，Cj与其距离最小，其中i辛j，求出c i、Cj两者之间 的距离：
544 :求出使得Ii最大的多维向量的中心c i，得到某类空气质量情况：
将该类空气质量情况从其他类空气质量情况中分离出来； 545 :重复上述步骤，直到把所有的空气质量情况都分开； 546 :分开的6类空气质量情况自上而下依次作为决策树叶子节点。
3. 根据权利要求1或2所述的基于图像分析的空气质量评估方法，其特征在于：获取 图像暗通道特征，通过图像金字塔的方式进行三次划分，依次将图像分成2*2块、4*4块、 8*8块，计算上述共84块区域的暗通道值，构造一个84维向量。
4. 根据权利要求1或2所述的基于图像分析的空气质量评估方法，其特征在于：功率 谱斜盡?教为；
其中，S为功率谱图像函数，f为功率谱图像半径，B是一个常数。
5. 根据权利要求1或2所述的基于图像分析的空气质量评估方法，其特征在于：将原 始RGB图像输入到计算机中，将图像大小调整为512*512,获取图像的暗通道特征、功率谱 斜率、对比度、饱和度。
6. 根据权利要求1所述的基于图像分析的空气质量评估方法，其特征在于：6类不同的 空气质量情况分别为优、良、轻度污染、中度污染、重度污染、严重污染。
【文档编号】G06K9/62GK104517126SQ201410834301
【公开日】2015年4月15日 申请日期:2014年12月26日 优先权日:2014年12月26日
【发明者】马华东, 傅慧源, 张征 申请人:北京邮电大学