专利名称：一种基于计算机视觉的雾霾监测方法
技术领域：
本发明涉及计算机数字图像处理与模式识别领域，尤其涉及一种基于计算机视觉的雾霾监测方法。
背景技术：
雾是由大量悬浮在近地面空气中的微小水滴或冰晶组成的气溶胶系统，是近地面层空气中水汽凝结的产物。雾的存在会降低空气透明度，使能见度恶化。雾滴的直径比较大，肉眼可以看到空中飘浮的雾滴。由于液态水或冰晶组成的雾散射的光与波长关系不大，因而雾看起来呈乳白色或青白色。雾与晴空区域之间有明显的边界，雾浓度分布不均匀，因而在雾中能见度有比较大的起伏。霾是由空气中的灰尘、硫酸、硝酸、有机碳氢化合物等非水成物粒子组成的气溶胶系统，能使大气浑浊，视野模糊并导致能见度恶化。霾粒子尺度比较小，肉眼看不到在空中飘浮的颗粒物。霾散射波长较长的光比较多，因此整体看起来呈黄色或橙灰色，而其中的黑暗物体微带蓝色。霾与晴空区域之间没有明显的边界，霾的粒子分布比较平均，因而霾中能见度 相对均匀。当水汽凝结加剧、空气湿度增大时，空气中原本存在的较小颗粒的污染物遭遇水汽后变成人们肉眼可见的大颗粒物，两者结合就形成了雾霾。作为复杂的气溶胶系统，雾霾颜色以白色、灰色为主，与晴空之间有浅淡掺和的边界，并因颗粒物对光的吸收和散射作用而造成能见度下降。雾霾的主要组成成分包括二氧化硫、氮氧化物和可吸入颗粒物等，而雾霾的形成与污染物的排放密切相关，例如，监测数据显示，机动车尾气是空气中PM2.5颗粒的重要来源。近年来，我国由于工业化、城市化、交通运输现代化的迅速发展，化石燃料(煤、石油、天然气)的消耗量迅猛增加，汽车尾气、燃油、燃煤、废弃物燃烧直接排放的气溶胶粒子和气态污染物日增，使得雾霾现象日趋严重。2013年I月，全国约143万平方公里的面积陷入雾霾天气，其中北京市雾霾多达25天，是有史以来最为严重的空气污染。雾霾天气下，人们容易出现压抑、焦虑、悲观等情绪，发生憋气、咳嗽、头晕、乏力、犯困、反胃、恶心、易怒等不良反应。而且雾霾颗粒能直接进入并黏附在人体上、下呼吸道和肺叶，分别沉积于呼吸道和肺泡中，引起鼻炎、上呼吸道感染、支气管炎、气喘、肺炎、肺气肿等疾病，长期处于这种环境还会诱发肺癌。因此，尽快制定雾霾判别与预警方法，进行雾霾的监测与预报，已经成为关系国计民生的大事。传统的雾霾判别通过人工观测，并结合相对湿度等气象要素进行分析。目前已有基于气象站的空气污染监测系统，站内配备水分测试仪、烟尘浊度仪、黑碳监测仪、气溶胶监测仪、能见度监测仪、有机碳监测仪、元素碳监测仪、挥发性有机化合物监测仪、紫外辐射计、大气稳定度监测仪等仪器，可较好地实现针对PM2.5、PM10、黑碳、臭氧、二氧化硫、氮氧化物、一氧化碳、硫酸盐、硝酸盐、铵盐、挥发性有机化合物、颗粒物粒径分布、颗粒物化学成分、浑浊度、能见度、气溶胶厚度、大气稳定度及其它气象参数等的指标监测，并根据造成空气污染的主要物质成分进行雾霾分析。上述设备大多通过物理、化学方法实现监测，如PM2.5监测仪，或通过摩擦静电技术测量颗粒携带的电荷变化从而记录粉尘的存在；或通过光散射技术利用气流中的颗粒反射出来的闪光频率及持续时间来测量颗粒的含量；或通过光吸收技术测量入射光强与出射光强，并基于朗伯比尔定律计算得到粉尘浓度；或通过采样器以恒速抽取定量体积空气，使空气中的PM2.5颗粒被截留在已知质量的滤膜上，再根据采样前后滤膜的质量差和采样体积，计算出PM2.5的浓度。与人工观测雾霾相比，现有仪器采用了非视觉的间接测量方式。同时，因为仪器本身价格较高，只能通过分布较稀疏的气象站对整个区域进行点状的有限监测。相比之下，基于计算机视觉的雾霾监测则是一种借助颜色、形状、纹理等视觉特征的直接测量方式，在原理上与人工观测最接近。数字摄像机的低廉价格使得视觉监测系统的搭建非常方便，甚至可以直接利用大量已有的且分布广泛的监控摄像头，从而使得针对整个区域的网状的全面监测成为可能。基于计算机视觉的雾霾监测方法从一个全新角度实现对雾霾的测量，到目前为止，本领域尚未有该方面的研究出现。
发明内容
针对上述存在的技术问题，本发明目的是提供一种基于计算机视觉的雾霾监测方法，以实现在较低成本条件下，通过视觉方式进行雾霾的直接测量。为达到上述目的，本发明采用如下的技术方案:一种基于计算机视觉的雾霾监测方法，根据对同一场景拍摄所得样本图像对待测量图像进行分析获得雾霾监测结果，所述场景中包含预设的近目标与远目标，近目标与远目标是场景中不同距离的两个颜色黑暗的目标区域；所述分析包括以下步骤，步骤1，建立包含不同雾霾情况的样本数据库，包括以下子步骤，步骤1.1，采集场景处空气中存在不同程度雾霾时的样本图像，记录各样本图像的相应空气污染参数；步骤1.2，针对各样本图像，分别进行以下处理，计算近目标与远目标的颜色特征，得到目标物间的颜色特征差别；所述近目标与远目标的颜色特征，包括目标区域中所有像素的蓝色分量均值；计算近目标与远目标的形状特征，得到目标物间的形状特征差别；计算近目标与远目标的纹理特征，得到目标物间的纹理特征差别；步骤1.3，针对各样本图像，综合目标物间的颜色特征差别、形状特征差别和纹理特征差别，得到各样本图像的视觉特征向量；步骤1.4，构造样本数据库，所述样本数据库包含采集的所有样本图像，各样本图像的视觉特征向量以及相应空气污染参数；步骤2，基于步骤I所得样本数据库，对待测量图像进行对比判断，包括以下子步骤，步骤2.1，拍摄观测场景，得到待测量图像；步骤2.2，针对待测量图像，进行以下处理，计算近目标与远目标的颜色特征，得到目标物间的颜色特征差别；所述近目标与远目标的颜色特征，包括目标区域中所有像素的蓝色分量均值；计算近目标与远目标的形状特征，得到目标物间的形状特征差别；计算近目标与远目 标的纹理特征，得到目标物间的纹理特征差别；
步骤2.3，针对待测量图像，综合目标物间的颜色特征差别、形状特征差别和纹理特征差别，得到待测量图像的视觉特征向量；步骤2.4，基于视觉特征向量间的距离，将待测量图像与各样本图像进行逐一对t匕，找到距离最近的样本图像，并以对应的雾霾情况作为待测量图像的雾霾监测结果。而且，所述近目标与远目标的颜色特征，包括目标区域中所有像素的色彩饱和度均值与蓝色分量均值。而且，所述近目标与远目标的形状特征，包括目标区域中的特征点个数与边缘像素点个数。而且，所述近目标与远目标的纹理特征，包括目标区域的灰度共生矩阵特征与小波变换子带系数。而且，设远目标的目标区域记为远目标区域RF，设近目标的目标区域记为近目标区域RN，计算远目标区域和近目标区域的灰度共生矩阵特征及差别包括以下子步骤，
(I)计算远目标区域RF由灰度共生矩阵特征组成的向量和近目标区域RN由灰度共生矩阵特征组成的向量，计算远目标区域RF由灰度共生矩阵特征组成的向量实现如下，统计得到远目标区域RF的灰度共生矩阵，计算矩阵的能量
权利要求
1.一种基于计算机视觉的雾霾监测方法，其特征在于:根据对同一场景拍摄所得样本图像对待测量图像进行分析获得雾霾监测结果，所述场景中包含预设的近目标与远目标，近目标与远目标是场景中不同距离的两个颜色黑暗的目标区域；所述分析包括以下步骤， 步骤1，建立包含不同雾霾情况的样本数据库，包括以下子步骤， 步骤1.1，采集场景处空气中存在不同程度雾霾时的样本图像，记录各样本图像的相应空气污染参数； 步骤1.2，针对各样本图像，分别进行以下处理， 计算近目标与远目标的颜色特征，得到目标物间的颜色特征差别；所述近目标与远目标的颜色特征，包括目标区域中所有像素的蓝色分量均值； 计算近目标与远目标的形状特征，得到目标物间的形状特征差别； 计算近目标与远目标的纹理特征，得到目标物间的纹理特征差别； 步骤1.3，针对各样本图像，综合目标物间的颜色特征差别、形状特征差别和纹理特征差别，得到各样本 图像的视觉特征向量； 步骤1.4，构造样本数据库，所述样本数据库包含采集的所有样本图像，各样本图像的视觉特征向量以及相应空气污染参数； 步骤2，基于步骤I所得样本数据库，对待测量图像进行对比判断，包括以下子步骤， 步骤2.1，拍摄观测场景，得到待测量图像； 步骤2.2，针对待测量图像，进行以下处理， 计算近目标与远目标的颜色特征，得到目标物间的颜色特征差别；所述近目标与远目标的颜色特征，包括目标区域中所有像素的蓝色分量均值； 计算近目标与远目标的形状特征，得到目标物间的形状特征差别； 计算近目标与远目标的纹理特征，得到目标物间的纹理特征差别； 步骤2.3，针对待测量图像，综合目标物间的颜色特征差别、形状特征差别和纹理特征差别，得到待测量图像的视觉特征向量； 步骤2.4，基于视觉特征向量间的距离，将待测量图像与各样本图像进行逐一对比，找到距离最近的样本图像，并以对应的雾霾情况作为待测量图像的雾霾监测结果。
2.根据权利要求1所述基于计算机视觉的雾霾监测方法，其特征在于:所述近目标与远目标的颜色特征，包括目标区域中所有像素的色彩饱和度均值与蓝色分量均值。
3.根据权利要求1所述基于计算机视觉的雾霾监测方法，其特征在于:所述近目标与远目标的形状特征，包括目标区域中的特征点个数与边缘像素点个数。
4.根据权利要求1所述基于计算机视觉的雾霾监测方法，其特征在于:所述近目标与远目标的纹理特征，包括目标区域的灰度共生矩阵特征与小波变换子带系数。
5.根据权利要求4所述基于计算机视觉的雾霾监测方法，其特征在于:设远目标的目标区域记为远目标区域RF，设近目标的目标区域记为近目标区域RN，计算远目标区域和近目标区域的灰度共生矩阵特征及差别包括以下子步骤， (I)计算远目标区域RF由灰度共生矩阵特征组成的向量和近目标区域RN由灰度共生矩阵特征组成的向量， 计算远目标区域RF由灰度共生矩阵特征组成的向量实现如下， 统计得到远目标区域RF的灰度共生矩阵，计算矩阵的能量
6.根据权利要求4所述基于计算机视觉的雾霾监测方法，其特征在于:设远目标的目标区域记为远目标区域RF，设近目标的目标区域记为近目标区域RN，计算远目标区域和近目标区域的小波变换子带系数及差别包括以下子步骤， (I)计算远目标区域小波变换子带系数向量和近目标区域小波变换子带系数向量，计算远目标区域RF的小波变换子带系数向量实现如下， 对远目标区域RF进行小波变换的3级分解，得到10个子带图像，计算第t个子带图像的均值系数，t的取值为1，2...10，
全文摘要
一种基于计算机视觉的雾霾监测方法，采集场景中预设的颜色黑暗的远近目标区域，基于目标物视觉特征的计算及与不同雾霾情况下样本图像的对比，给出针对雾霾的监测结果。表达图像的视觉特征包括包含像素色彩饱和度均值与蓝色分量均值在内的颜色特征，包含特征点个数与边缘像素点个数在内的形状特征，包含灰度共生矩阵特征与小波变换子带系数在内的纹理特征，以及表示远近目标物之间差别的特征向量。本发明提出了在原理上与人工观测雾霾最接近的借助视觉特征的直接测量方式，易于实现针对整个区域的雾霾情况的全面监测，而且在样本数据足够多时能够保证高精度的监测结果。
文档编号G06K9/62GK103218622SQ20131014189
公开日2013年7月24日 申请日期2013年4月22日 优先权日2013年4月22日
发明者赵俭辉, 黄嘉康, 王幼平 申请人:武汉大学