[发明专利]一种基于图像融合特征的高效PM2.5

权利要求书

1.一种基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，所述基于图像融合特征的高效PM_2.5浓度预测方法包括：

获取待预测图像集，所述待预测图像集中包括多个待预测图像；

根据所述待预测图像集提取待预测图像感兴趣区域；

根据所述待预测图像感兴趣区域获取待预测图像的传统图像特征以及深度特征；

根据所述传统图像特征以及所述深度特征从而获取融合特征；

获取PM_2.5浓度预测模型；

将所述融合特征输入至所述PM_2.5浓度预测模型，从而得到PM_2.5浓度预测信息。

2.如权利要求1所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，所述根据所述待预测图像集提取待预测图像感兴趣区域包括：

根据所述待预测图像集获取配准图像集，其中，所述配准图像集包括多个配准图像，一个待预测图像对应生成一个配准图像；

根据所述配准图像集生成交集图像集，其中，所述交集图像集包括多个交集图像，一个配准图像对应生成一个交集图像集；

按照预设分级标准对交集图像中的各个交集图像进行分类，从而所述交集图像中的至少部分图像分为高浓度图像集以及低浓度图像集，其中，高浓度图像集中至少包括一个交集图像，所述低浓度图像集中至少包括一个交集图像；

随机获取第一数量的低浓度图像以及随机获取第二数量的高浓度图像，将每个低浓度图像分别与每个高浓度图像组成一个图像对；

计算各个图像对的平均边缘差值图像；

提取每个平均边缘差值图像中的最大连通区域作为图像感兴趣区域。

3.如权利要求2所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，所述根据所述待预测图像集获取配准图像集包括：

使用SIFT算法对图像集进行配准。

4.如权利要求3所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，所述根据所述配准图像集生成交集图像集包括：

遍历各配准图像的像素点，记录顶点像素位置，通过顶点位置向内取极值确定并裁剪配准图像交集区域从而获取交集图像，各个交集图像组成所述交集图像集。

5.如权利要求4所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，所述计算各个图像对的平均边缘差值图像包括：

使用Sobel算子和OSTU算法计算图像对的平均边缘差值图像。

6.如权利要求5所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，提取每个平均边缘差值图像中的最大连通区域作为图像感兴趣区域包括：

采用Two-Pass算法提取每个平均边缘差值图像中的最大连通区域作为图像感兴趣区域。

7.如权利要求6所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，所述传统图像特征包括：

图像感兴趣区域的平均透射率特征、平均梯度特征、信息熵特征以及对比度特征。

8.如权利要求7所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，根据所述待预测图像感兴趣区域获取待预测图像的深度特征包括：

使用卷积神经网络提取图像感兴趣区域的深度特征。

9.如权利要求8所述的基于图像融合特征的高效PM_2.5浓度预测方法，其特征在于，所述根据所述传统图像特征以及所述深度特征从而获取融合特征包括：

将所述传统图像特征形成传统图像特征一维向量；

将所述深度特征形成深度特征一维向量；

将所述传统图像特征一维向量以及所述深度特征一维向量拼接从而形成所述融合特征。

10.一种基于图像融合特征的高效PM_2.5浓度预测装置，其特征在于，所述基于图像融合特征的高效PM_2.5浓度预测装置包括：

待预测图像集获取模块，所述待预测图像集获取模块用于获取待预测图像集，所述待预测图像集中包括多个待预测图像；

图像感兴趣区域提取模块，所述图像感兴趣区域提取模块用于根据所述待预测图像集提取待预测图像感兴趣区域；

特征提取模块，所述特征提取模块用于根据所述待预测图像感兴趣区域获取待预测图像的传统图像特征以及深度特征；

融合特征模块，所述融合特征模块用于根据所述传统图像特征以及所述深度特征从而获取融合特征；

模型获取模块，所述模型获取模块用于获取PM_2.5浓度预测模型；

预测模块，所述预测模块用于将所述融合特征输入至所述PM_2.5浓度预测模型，从而得到PM_2.5浓度预测信息。