[发明专利]一种基于暗原色先验的空气质量指数估计方法

权利要求书

1.一种基于暗原色先验的空气质量指数估计方法，其特征在于：该方法具体包括以下步骤：

步骤1，采集样本图像；

在不同空气质量指数条件下，于每天固定时间段内采集同一户外场景的样本图像，并记录每幅图像对应的空气质量指数仪器测定值；总共采集N个样本(N>100)，采集时间间隔应大于1小时；样本图像直接来源于户外的固定监控摄像机；

步骤2，计算样本图像特征参数；

步骤2.1，下采样；对全部的N幅样本图像进行下采样处理，得到尺寸统一为160×90的N幅下采样图像；

步骤2.2，分别计算N幅下采样图像RGB三个颜色通道的像素平均值；该步骤由下式实现：

式中，i表示某个像素的横坐标、j表示某个像素的纵坐标，I_R(i,j)表示下采样图像中某个像素的R通道像素值，I_G(i,j)表示下采样图像中某个像素的G通道像素值，I_B(i,j)表示下采样图像中某个像素的B通道像素值，mean表示所求的RGB三个颜色通道的像素平均值；计算完毕后，得到N个像素平均值mean；

步骤2.3，分别求出N幅下采样图像的暗原色图像；该步骤由下式实现：

式中，I^c(i,j)表示下采样图像中的某个像素点，C表示RGB三个颜色通道，表示取RGB三个颜色通道的最小像素值，表示以Ω(x)为窗口的最小值滤波，本方法中Ω(x)的尺寸为5×5，J^dark(i,j)表示求得的暗原色图像；暗原色图像J^dark(i,j)是一幅灰度图像；该步骤进行完毕后，可以得到N幅暗原色图像；

步骤2.4，计算暗原色图像的像素平均值；该步骤由下式实现：

式中，J^dark(i,j)表示暗原色图像，mean^dark表示暗原色图像的像素平均值；计算完毕后，得到N个暗原色图像像素平均值mean^dark；

步骤2.5，计算N幅样本图像的特征参数；该步骤由下式实现：

式中，mean^dark表示暗原色图像的像素平均值，mean表示下采样图像的RGB三个颜色通道的像素平均值，γ表示样本图像的特征参数；由此可得N个样本图像的特征参数；

步骤3，作出特征参数-空气质量指数散点图；

将所有样本图像的特征参数γ与其对应的空气质量指数(AQI)构成N组数对，在平面直角坐标系中作出特征参数与空气质量指数的关系散点图；

步骤4，非线性拟合；

根据最小均方误差准则，用单变量幂函数对散点图进行非线性拟合，得到非线性拟合数学模型的各项参数；拟合模型如下式所示：

式中，γ表示样本图像的特征参数，a表示模型中的常数项，b表示模型中的高次幂项系数，c表示模型的拟合幂次，表示空气质量指数的估值；步骤4执行完毕后，分别得到a、b、c的值；

步骤5，异常样本排除与再拟合；

步骤5.1，利用拟合模型计算样本图像的空气质量指数估计值；将样本图像的特征参数代入得到的数学模型式(5)中，从而计算出各特征参数对应的空气质量指数估值

步骤5.2，计算各样本的估计绝对误差；该步骤由下式实现：

式中，为拟合模型计算出的空气质量指数估值，AQI为空气质量指数的仪器测量值，e为估值与测量值之间的绝对误差；

步骤5.3，异常样本排除与再拟合；将绝对误差大于50的样本点从总样本集中排除，然后执行步骤4，得到新的拟合模型；

步骤5.4，重复执行步骤5.1至5.3，直至所有样本点的绝对误差均小于50为止，此时得到最终的特征参数-空气质量指数关系模型；

步骤6，空气质量指数估算；

采集该场景图像，计算其特征参数，并将特征参数代入特征参数-空气质量指数关系模型，即可得到空气质量指数的估值；在同一场景下需要再次对空气质量指数进行估计时，只需重复步骤6即可。