基于图像的雾霾PM2.5值估计方法

摘要

本发明属于计算机视觉领域、支持向量回归及深度学方法、环保技术，为提出一种精确鲁棒的通过雾霾图像估计PM2.5的方法，更加方便精确地估计拍摄图像当地的PM2.5值。为达到上述目的，本发明采取的技术方案基于图像的雾霾PM2.5值估计方法，包括以下步骤：1)记录PM2.5值；2)得到特征矩阵A；3)将特征矩阵A及其对应的PM2.5值数据作为训练集U；4)寻找最佳参数c和g，c是惩罚系数，g是核函数的半径；5)得到训练模型；6)上传至服务器端；7)得到特征向量T；8)进行PM2.5值的预测。9)将由步骤8)得到的PM2.5的预测值返回给用户客户端。本发明主要应用于环保场合。

主权项

一种基于图像的雾霾PM2.5值估计方法，其特征是，包括以下步骤：1)利用手持相机和霾表对天空或者半天空采集雾霾图像及记录其对应的PM2.5值，PM2.5为细颗粒物又称细粒、细颗粒；2)利用VGG‑NET的fc7层对采集到的图像进行特征提取，得到特征矩阵A，VGG‑NET为含有19层的深度卷积神经网络，fc7层为VGG‑NET的倒数第二个全连接层，特征矩阵A是由VGG‑NET多次的卷积、池化得到的；3)将特征矩阵A及其对应的PM2.5值数据作为训练集U；4)利用交叉验证算法将步骤2)得到的特征矩阵A以及其对应的PM2.5值寻找最佳参数c和g，c是惩罚系数，g是核函数的半径；5)由步骤4)得到的最佳c、g和步骤3)得到的训练集U，通过支持向量回归SVR(Support Vector Regression)进行训练，得到训练模型；6)用户通过手机等摄影设备对着全天空或者半天空采集一张测试图片，上传至服务器端；7)在服务器端，系统通过VGG‑NET的fc7层对由步骤6)用户采集到的图片进行特征提取，得到特征向量T；8)通过步骤5)得到的训练模型以及结合步骤7)得到的特征向量T，进行PM2.5值的预测；9)将由步骤8)得到的PM2.5的预测值返回给用户客户端。