[发明专利]一种基于雾天图像的PM2.5估计方法

说明书

本发明涉及一种基于雾天图像的PM2.5估计方法，根据已有的雾天图像大气散射模型，利用卷积神经网络，将其中的透射率提取出来；利用多尺度深度网络估计图像深度；利用以上的透射率与深度信息，求得与PM2.5及空气质量直接相关的大气散射系数β；最后再利用数据挖掘的相关算法确定β与PM2.5的关系。通过以上步骤，实现了通过单一的雾天图片对其场景的PM2.5的估计。

技术领域

本发明涉及一种基于雾天图像的PM2.5估计方法，属于空气质量监测领域。

背景技术

随着我国经济社会的快速发展，以煤炭为主的能源消耗大幅攀升，机动车保有量急剧增加，我国大部分地区PM2.5污染形势不容乐观。据世界卫生组织(WHO)最近发布的全球污染地图，高达92％的全球人口生活在空气质量不达标的地区，而中国仅有青藏高原空气质量达标。同时，PM2.5还会对人体健康造成危害：气象专家和医学专家认为，由细颗粒物造成的灰霾天气对人体健康的危害甚至要比沙尘暴更大。粒径大于2.5微米以下的细颗粒物会被人体自身的免疫系统阻挡在身体之外，而粒径在2.5微米以下的细颗粒物被人体吸入后会直接进入支气管，对呼吸系统和心血管系统造成伤害，包括呼吸道受刺激、咳嗽、呼吸困难、降低肺功能、加重哮喘、导致慢性支气管炎、心律失常、非致命性的心脏病、心肺病患者的过早死。

我国目前测量PM2.5的方式主要依赖于数量有限的精密设备：即在每个城市设定固定的监测点，在固定的时间段采用物理检测的方法更新PM2.5数据，这样的检测方法不仅成本高，实时性较差，同时也会耗费更多的人力。而且由于设备价格昂贵，一个城市只能布设少数的监测点，无法实现城市全区域的PM2.5检测。

随着深度学习技术的发展，尤其是卷积神经网络在计算机视觉领域的成功运用，使得图像对PM2.5污染物的测量得以实现。其中，专利《基于无参考图像清晰度评价的PM2.5浓度检测仪》(申请号：201410200873.7)提出了利用红外相机的检测方法，利用红外相机拍摄多张不同距离的照片，然后利用红外线测量技术以及相对距离分析得到图像深度，最终利用边缘模糊程度来估测PM2.5。该方法涉及红外相机，成本较高，不适合大规模的城市PM2.5监测；专利《一种基于深度学习的PM2.5污染物测量方法》(申请号：201410645121.1)通过对雾天图像的分析获取PM2.5浓度值，其本质是利用一个神经网络直接发掘雾天图像与PM2.5之间的关系。该方法的可实施性较差，原因如下：首先，一张图片至少有接近万级的像素点，直接将一张图像作为输入，经过卷积神经网络，不仅容易发生维度灾难，其计算量也是无法想象的，在训练网络时对GPU的处理能力要求高，而且训练时间较长；其次，一张图像包含了大量的信息，因此寻找一张图像与PM2.5的相关性难度较大，需要设计开发具有较强抗干扰能力的特征提取算法。

发明内容

本发明技术解决问题：克服现有技术的不足，提出一种基于雾天图像的PM2.5估计方法，该方法首先对图片先进行特征提取，有效地将多余信息去除，并通过算法求取出与PM2.5直接相关的量，更有针对性，有更高的可施行性。

本发明技术解决方案：一种基于雾天图像的PM2.5的估计方法，包括步骤如下：

步骤一：利用卷积神经网络，将雾天图像中的透射率提取出来；

步骤二：利用多尺度深度网络估计雾天图像的深度信息；

步骤三：根据现已知的雾天图像大气散射模型，利用步骤一与步骤二中得到的透射率与深度信息，求得与PM2.5及空气质量直接相关的大气散射系数β；最后利用数据挖掘方法确定β与PM2.5之间的关系。

所述步骤一中，卷积神经网络中的各层结构以及具体操作如下：