基于图像处理的霾检测方法研究

发布时间：2020-07-26 23:50

【摘要】：摘要:随着我国经济和工业的快速发展大气污染问题受到的关注与日俱增。实时准确的霾污染等级检测对环境和居民生活具有现实且重要的意义。目前对霾的检测方法主要有两种,一种是检测大气中各种颗粒物浓度的粒子计数法,另一种是基于遥感的霾检测方法。以上两种方法的发展都较为成熟,但都有成本较高且不宜普及的特点。本文针对以上问题提出一种基图像处理的霾检测方法,旨在建立一个图像与霾的关系模型,实现对任意一张相同环境下拍摄的相同目标图像进行分析即可得到环境霾情况的目的。主要研究内容如下:(1)分析了霾造成大气能见度下降的原理,并且对霾对自然图像造成的影响进行了分析,论述了利用PM_(2.5)浓度对霾进行表征的原因,提出了基于图像处理对霾进行检测的原理,并概述了整个流程。(2)结合机器视觉和图像处理技术对自然图像进行预处理,通过分析对比得到最适合本文研究图像的灰度化和滤波方法。由于外界环境会造成不同图像中目标物的偏移,根据图像情况进行配准,为感兴趣区域提取提供基础。(3)根据不同特征的特点选取感兴趣区域,在相应感兴趣区域中提取能够反映霾对图像影响的多种特征,对特征与PM_(2.5)浓度进行相关性分析对比得到与PM_(2.5)浓度相关性较大的几种特征,将亮度对比度、熵、相关性和峰值信噪比作为下一步支持向量回归机训练的数据集。(4)利用支持向量回归机建立了图像特征与PM_(2.5)浓度间的关系模型,并对模型的预测结果进行分析和验证。本文提出的基于图像处理的霾检测方法结合了图像处理技术和机器学习技术,该方法适用于任何包含高对比度区域的场景,该方法的优势在于无需架设新设备,只需对设备拍摄的原有图像和环境数据进行建模即可利用现有路况摄像监控系统对监控区域进行霾检测。该方法覆盖范围广、测量成本低而且可以实现自动化实时测量,适合大规模应用推广。
【学位授予单位】：中国计量大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：X831;TP391.41
【图文】：

数字图像,自然图像,机器学习算法,记忆信息

图 1.1 杭州地区 MODIS 图此外，国内出现了利用自然图像对霾进行实时检测的研究，只是目前的研究成果较少。目前只有昆明理工大学的鹿丽鹏在 2016 年提出了用图像的灰度差分统计法对霾的等级进行检测[43]，为后续的基于自然图像的霾的预测提供了可能性。1.3 研究内容与方案设计通常情况下，人眼可对自然环境中的视觉特征信息进行高效抽取并与记忆信息进行对比，能够在霾天气发生时对霾的轻重程度进行大致分辨。故本文提出通过对数字图像进行分析提取，来模仿人眼对在判断霾的轻重程度时对视觉特征信息的提取过程，并结合机器学习算法来对霾进行准确预测。1.3.1 研究内容

浓度值,定律,视程,能见度测量

图 2.1 不同 PM2.5浓度值的图像对比2.3.1 亮度对比度早在 1924 年，Koschmoeder 就提出了目前被广泛应用于白天能见度测量的白天目标物视程理论，又称作 Koschmoeder 定律[44]。如图 2.2 所示，该定律以天空为背景对距观测点的距离为 L 处的物体进行观测，观测到的物体视亮度 Bt公式如 2-3：0 0(1 )L Lt t gB B e e B (2-3)其中，Bt0为该物体表面固有亮度，Bg0为天空背景亮度，为气溶胶的消光系数，为大气透射率。推导得到公式 2-4：0 0 0( )Lt g t gB B B B e (2-4)Bt0Bg0

纹理图像,纹理,适用于,图像

纹理图像

【相似文献】