；将各个区块的直方图合并成一个大的向量，作为图像总的梯度HOG特征。
[0046]关于纹理特征，在一个实施例中，可采用SIFT特征(SIFT)提取方法，具体包括:使用SIFT检测器挑选出图像中的纹理丰富的重要特征点；在每个特征点附近的图像区域内提取SIFT特征，该特征维度是128维；从多个图像组成的图像数据库中提取大量图像的这种特征，并聚类形成多个聚类中心，进而得到一个特征的字典，字典中的元素即聚类中心；给定一个图像，在提取图像中多个特征点的128维特征后，将每个特征归到某个聚类，并计算该图像关于这些聚类中心的累计直方图。比如有聚类A，B, C，图像中提取了三个特征点，两个属于A，一个属于B，则提取的累计直方图特征是(2，1，O)，进一步归一化后得到(2/3，1/3，0)。对于纹理检测，还可用Gabor算子扫描图像，得出纹理特征。还可用LBP算子，灰度共生矩阵来确定纹理特征。
[0047]在本申请中主要用到了这四种特征，该四种特征是本申请的发明人通过多次试验所确定出的具有较好效果的组合。然而，基于本申请公开内容的启示，在该步骤中，本领域技术人员还可以选择更多或更少的图像质量相关特征，以及不同特征的组合。
[0048]根据在前述步骤中的实际空气质量指标的类型，在该步骤中就能够训练出特定的空气质量模型，例如PM2.5模型，或者PMlO模型，还可是能见度模型。
[0049]现在参看图3，其示出根据本发明一个实施例的用于根据前述训练出空气质量模型确定待测空气质量的方法流程图。如图3所示，该方法至少包括以下步骤:
[0050]在步骤310中，确定与所述待测图像关联的关键区域的空气质量模型
[0051]该步骤中的待测图像是所接收到的来自用户设备的至少一张实时图像。用户可通过具有摄像装置的移动终端拍摄其所在位置处的实时图像，既可是一张照片，也可以是实时录像中的一帧图像。
[0052]由于按照前述方法所训练出的空气质量模型是特定于某个关键区域，因此，在该步骤中需要确定与待测图像关联的关键区域以及相应的空气质量模型，具体的，可以根据待测图像的位置信息选择最临近的关键区域作为关联的关键。
[0053]在步骤320中，获取与所述待测图像相对应的基准清晰图像。
[0054]在第一个实施例中，是根据所述待测图像的位置确定第一基准清晰图像，所述第一基准清晰图像是在所述关联的关键区域中与所述待测图像的距离最近的基准清晰图像。例如，选取与用户所拍摄的待测图像的位置最接近的训练图像数据，然后直接将对应的基准清晰图像作为该第一基准清晰图像。
[0055]在第二个实施例中，根据所述待测照片的至少一种特征进行场景匹配以确定第二基准清晰图像，所述第二基准清晰图像是所述关联的关键区域中与所述待测图像最匹配的基准清晰图像。既可以在移动终端侧进行匹配，也可以在服务器侧进行匹配。具体可采用现有技术中的常用的场景匹配方法，例如词袋模型(bag of words)、HMAX模型等等。
[0056]在第三个实施例中，是对所述待测照片进行去雾处理以获取第三基准清晰图像作为所述相对应的基准清晰图像。去雾算法在前面已经进行相应的介绍，在此不做赘述。
[0057]作为改进，还可获取所述待测图像的附加信息，所述附加信息包括以下中的一种或多种:待测图像的拍摄参数信息，所述待测图像的地理位置信息；进而，基于所述附加信息获取与所述待测图像相对应的基准清晰图像，例如，根据附加信息的相同或相近程度确定与待测图像相对应的基准清晰图像。待测图像的拍摄参数可包括像素信息、镜头信息、拍摄角度等等。
[0058]在步骤330中，根据在所述待测图像以及对应的基准清晰图像中所提取的特征以及所确定的关键区域的空气质量模型确定待测空气质量指数。
[0059]如果在步骤320中根据位置确定出了第一基准清晰图像，则根据在待测图像以及对应的第一基准清晰图像中所提取的特征以及所确定的关键区域的空气质量模型确定第一空气质量指数。进而，至少根据所述第一空气质量指数确定所述待测图像对应的待测位置的空气质量指数，在一个实施例中，可直接将第一空气质量指数作为待测位置处的空气质量指数。
[0060]如果在步骤320中根据场景匹配确定出了第二基准清晰图像，则根据在待测图像以及对应的第二基准清晰图像中所提取的特征以及所确定的关键区域的空气质量模型确定第二空气质量指数。进而，至少根据所述第二空气质量指数确定所述待测位置的空气质量指数，在一个实施例中，可直接将第二空气质量指数作为待测位置处的空气质量指数，在另一个实施例中，还可分别赋予第一、第二空气质量指数不同的权重，综合两者来确定待测位置处的空气质量指数。
[0061]如果在步骤320中根据去雾处理确定出了第三基准清晰图像，则根据在待测图像以及对应的第三基准清晰图像中所提取的特征以及所确定的关键区域的空气质量模型确定第三空气质量指数。进而，至少根据所述第三空气质量指数确定所述待测位置的空气质量指数，在一个实施例中，可直接将第三空气质量指数作为待测位置处的空气质量指数，在另一个实施例中，还可分别赋予第一、第二、第三空气质量指数不同的权重，然后综合其中的至少两者来确定待测位置处的空气质量指数，从而能够进一步的提高计算的准确度。
[0062]图4示出根据本发明一个实施例的确定空气质量模型的设备示意图，该设备包括:关键区域确定模块410，被配置为确定至少一个关键区域；训练数据确定模块420，配置为在所述关键区域的至少一个位置处，获取基准清晰图像、在较差空气质量下的训练图像及对应的实际空气质量指数；模型确定模块430，配置为根据从所述基准清晰图像以及所述训练图像中提取的空气质量相关特征以及所述实际空气质量指数训练该关键区域的空气质量模型。其中，所述特征包括以下中的至少一种:亮度，色度，纹理以及密度梯度。
[0063]图5示出根据本发明一个实施例的根据前述训练出空气质量模型确定待测空气质量的设备示意图，该设备包括:模型确定模块510，配置确定与所述待测图像关联的关键区域的空气质量模型；基准清晰图像确定模块520，配置为获取与所述待测图像相对应的基准清晰图像；空气质量确定模块530，配置为根据在所述待测图像以及对应的基准清晰图像中所提取的空气质量相关特征以及所确定的关键区域的空气质量模型确定待测空气质量指数。
[0064]在一个实施例中，所述基准清晰图像确定模块520包括:配置为根据所述待测图像的位置确定第一基准清晰图像的模块，所述第一基准清晰图像是在所述关联的关键区域中与所述待测图像的距离最近的基准清晰图像；所述空气质量确定模块530包括:配置为至少根据所述第一基准清晰图像确定待测空气质量指数的模块。
[0065]在一个实施例中，所述基准清晰图像确定模块520包括:配置为根据所述待测照片的至少一种特征进行场景匹配以确定第二基准清晰图像的模块，所述第二基准清晰图像是所述关联的关键区域中与所述待测图像最匹配的基准清晰图像；所述空气质量确定模块530包括:配置为至少根据所述第二基准清晰图像确定待测空气质量指数的模块。
[0066]在另一个实施例中，所述基准清晰图像确定模块520包括:配置为对所述待测照片进行去雾处理以获取第三基准清晰图像的模块；所述空气质量确定模块530包括:配置为至少根据所述第三基准清晰图像确定待测空气质量指数的模块。
[0067]在一个实施例中，图5所述的设备，还包括:配置为获取所述待测图像的附加信息的模块，所述附加信息包括以下中的一种或多种:所述待测图像的拍摄参数信息，所述待测图像的地理位置信息；所述基准清晰图像确定模块包括:配置为基于所述附加