[发明专利]一种实时白天室外手机图像的PM2.5指数估计方法

权利要求书

1.一种实时白天室外手机图像的PM2.5指数估计方法，其特征在于包括以下步骤：

步骤1，采集样本图像以及与样本图像匹配的实测PM2.5浓度；

步骤2，计算样本图像特征参数；

步骤3，消光系数计算；

步骤4，相对深度—相对透射率关系确立；

步骤5，消光系数—PM2.5浓度回归关系线性拟合；

步骤6，重复执行步骤1至步骤5，直至函数拟合的r²大于0.7为止，同时在统计学上达到5％的显著性水平，获得最终的消光系数—PM2.5浓度关系模型建立；

步骤7，实时估计室外空气质量指数；

所述步骤2，计算样本图像特征参数，包括以下步骤：

步骤2.1，获得样本图像的暗通道图像，该步骤由下式获得：

式中，I^c(i,j)表示样本图像中坐标为(i,j)的像素点对应的亮度值，表示在R,G,B颜色通道中的最小像素值,表示一种以Ω(x)为窗口大小的最小滤波操作，同时默认窗口半径即x为5，J^dark(i,j)表示计算得到的暗通道图像，基于此，针对每一幅输入的手机室外图像，计算得到一幅暗通道图像；

步骤2.2，获得样本图像的绝对透射率图像，该步骤由下式获得：

式中，为绝对透射率图像，为输入样本图像的暗通道图像，由步骤2.1获得，其中A_C为大气光成分,A_C可由下式获得：

通过对输入样本图像的暗通道图像取极限操作，极限趋于1，计算得到透射率图像；

步骤2.3，获得样本图像的绝对深度图，根据颜色衰减先验算法，该步骤由下式获得：

d(i,j)＝0.121779+0.959710*v(i,j)-0.780245*s(i，j)+0.041337

式中，v(i,j)为样本图像在HSV颜色空间中的明度，s(i,j)为样本图像在HSV颜色空间中的饱和度，通过该回归模型，计算得到粗略绝对深度图d(i,j)；

步骤2.4，获得置信图层；使用小波分解方法从深度图计算得到置信图层，利用小波分解，深度图分解成为一个低频层和三个高频层，其中低频层包含输入粗略绝对深度图的少量噪声信息，高频层包含输入粗略绝对深度图的边框轮廓；选择高频层相互叠加与低频层去噪获得结果，计算获得粗略绝对深度图的置信图层；

步骤2.5，粗略绝对深度图的置信图层直方图修正；将粗略绝对深度图的置信图层进行直方图修正，去除无效数据，同时不做其余图像处理；

步骤2.6，获得相对深度图；将步骤2.3获得的绝对深度图与步骤2.5获得的修正后的置信图层进行图像特征匹配；对绝对深度图，根据图像中特征的相对位置计算得到相对深度图；

步骤2.7，获取相对透射率图；将步骤2.2计算获得的绝对透射率图进行归一化处理，该归一化处理为设置绝对透射率图像中最远的区域为1，反向计算获取相对透射率图。

2.根据权利要求1所述的一种实时白天室外手机图像的PM2.5指数估计方法，其特征在于：所述步骤1，采集样本图像以及与样本图像匹配的实测PM2.5浓度，方法如下：在不同的空气质量指数条件下，不限采样地点与采样时间，采集室外场景样本图像，样本图像采集直接来源于手机拍摄功能，同时记录每幅图像所对应的空气质量指数仪器测量值。

3.根据权利要求1所述的一种实时白天室外手机图像的PM2.5指数估计方法，其特征在于：所述步骤4，相对深度—相对透射率关系确立，方法如下：通过建立深度和透射率关系，初步得到深度图与透射率图像存在着非线性关系。

4.根据权利要求1所述的一种实时白天室外手机图像的PM2.5指数估计方法，其特征在于：所述步骤5，消光系数—PM2.5浓度回归关系线性拟合，方法如下：使用指数模型对消光系数与PM2.5浓度进行回归分析，得到拟合数学模型的各项参数，拟合模型如下所示：

PM2.5＝a×β+ε

式中，PM2.5表示空气质量指数的测量值，a表示模型中系数，ε表示拟合模型误差，β为消光系数。

5.根据权利要求1所述的一种实时白天室外手机图像的PM2.5指数估计方法，其特征在于：所述步骤7，实时估计室外空气质量指数，方法如下：选择任意手机，拍摄室外照片，进行拍摄，计算特征参数，并将特征参数带入步骤5中的消光系数—PM2.5回归关系函数，计算实时空气质量指数，由下式获得：

PM2.5＝a×β+ε

式中，表示空气质量指数的估计值；β为由步骤1到步骤4得到的消光系数；若再次进行空气质量指数估计时，重复步骤6即可。