基于图像质量评价的空气质量评价方法、系统、设备及存储介质与流程

本发明涉及空气质量评价
技术领域：
，更具体地说，涉及一种基于图像质量评价的空气质量评价方法、系统、设备及存储介质。
背景技术：
：众所周知，监测雾霾天气下的空气质量指数具有重要的现实意义。一旦指标值超过警戒线，国家气象部门有义务及时发布预警信息，指导社会大众做好防范措施。其中：空气监测是指对存在于空气中的污染物质进行定点、连续或定时的采样和测量。为了对空气进行监测，一般在一个城市设立若干个空气监测点，安装自动监测仪器作连续自动监测，将监测结果派人定期取回，加以分析并得到相关的数据。空气监测的项目主要包括二氧化硫、一氧化氮、碳氢化合物、浮尘等。空气监测是大气质量空气和对大气质量进行合理评价的基础。空气质量指数(airqualityindex,aqi)是根据环境空气质量标准和各项污染物对人体健康、生态、环境的影响，将常规监测的几种空气污染物浓度简化成为单一的概念性指数值形式，它将空气污染程度和空气质量状况分级表示，适合于表示城市的短期空气质量状况和变化趋势。针对单项污染物，还规定了空气质量分指数。参与空气质量评价的主要污染物为细颗粒物(pm2.5)、可吸入颗粒物(pm10)、二氧化硫(so2)、二氧化氮(no2)、臭氧(o3)、一氧化碳(co)等六项。空气质量分级将空气质量按照空气质量指数大小分为六级，相对应空气质量的六个类别，指数越大、级别越高说明污染的情况越严重，对人体的健康危害也就越大，从一级优，二级良，三级轻度污染，四级中度污染，直至五级重度污染，六级严重污染。当pm2.5日均值浓度达到150微克/立方米时，aqi即达到200；当pm2.5日均浓度达到250微克/立方米时，aqi即达300；pm2.5日均浓度达到500微克/立方米时，对应的aqi指数达到500。根据《环境空气质量指数(aqi)技术规定(试行)》(hj633—2012)规定：空气污染指数划分为0－50、51－100、101－150、151－200、201－300和大于300六档，对应于空气质量的六个级别，指数越大，级别越高，说明污染越严重，对人体健康的影响也越明显。而现有的空气质量评价方法aqi指数表征的是污染程度的计算过程如下：首先，通过下式分别计算得出空气质量分指数(individualairqualityindex，iaqi)；式中：iaqip——污染物项目p的空气质量分指数；cp——污染物项目p的质量浓度值；bphi——表1(相应地区的空气质量分指数及对应的污染物项目浓度指数表)中与cp相近的污染物浓度限值的高位值；bplo——表1(相应地区的空气质量分指数及对应的污染物项目浓度指数表)中与cp相近的污染物浓度限值的低位值；iaqihi——表1(相应地区的空气质量分指数及对应的污染物项目浓度指数表)中与bphi对应的空气质量分指数；iaqilo——表1(相应地区的空气质量分指数及对应的污染物项目浓度指数表)中与bplo对应的空气质量分指数。然后，参照下式从各项污染物的iaqi中选择最大值确定为aqi。当aqi大于50时，将iaqi最大的污染物确定为首要污染物。aqi＝max{iaqi1,iaqi2,iaqi3,…，iaqin}式中：iaqi——空气质量分指数；n——污染物项目。最后，可对照aqi分级标准，确定空气质量级别、类别及表示颜色，分析其对健康的影响，以及建议采取的措施。根据现有的aqi获取方法，雾霾天气条件下，现有空气质量指数计算方法存在一定的局限性。具体如下：1)，无法反映实时空气质量(雾霾污染程度)。众所周知，雾霾天气首要污染物来自pm2.5和pm10，而由iaqi指数计算公式可知，pm2.5、pm10为24小时平均浓度，并非实时浓度值。2)，现有计算方法受监测仪器数量、成本制约，不可能精确测量城市每一地区的空气质量指数，只能获得有限的几个测量点附近的空气质量采样数据。3)，现有方法受限于监测点位的物理可行性，对于不易放置空气质量监测仪器的地点，自然无法采集和计算空气质量指数。技术实现要素：本发明要解决的技术问题在于，针对现有技术的上述部分缺陷，提供一种基于图像质量评价的空气质量评价方法、系统、设备及存储介质。本发明解决其技术问题所采用的技术方案是：构造一种基于图像质量评价的空气质量评价方法，包括以下步骤：s1、获取多个不同空气质量指数下的雾霾图像；s2、通过无参考型图像质量评价算法获取所述雾霾图像的图像评价指标，并建立所述雾霾图像的图像评价指标与所述空气质量指数的对应关系；s3、获取一实时雾霾图像并通过所述无参考型图像质量评价算法计算所述实时雾霾图像的图像评价指标；s4、通过所述雾霾图像的图像评价指标与所述空气质量指数的对应关系获取所述实时雾霾图像对应的空气质量指数。优选地，在所述步骤s2中，所述建立所述雾霾图像的图像评价指标与所述空气质量指数的对应关系包括：s2-1、绘制所述雾霾图像对应的图像评价指标与空气质量指数的散点图，并计算拟合曲线。优选地，在所述步骤s2-1中，所述计算拟合曲线包括计算三阶多项式拟合曲线。优选地，在所述步骤s2中，所述无参考型图像质量评价算法包括bliinds2、m3、brisque、staind、biqi、curveletqa和diivine图像质量评价算法中的任意一种。本发明还构造一种基于图像质量评价的空气质量评价系统，包括：监控单元、与所述监控单元连接的第一处理单元和第二处理单元、与所述第二处理单元连接的输出单元；所述监控单元用于获取多个不同空气质量指数下的雾霾图像；所述第一处理单元用于通过无参考型图像质量评价算法获取所述雾霾图像的图像评价指标，并建立所述雾霾图像的图像评价指标与所述空气质量指数的对应关系；所述监控单元还用于获取一实时雾霾图像；所述第二处理单元用于通过所述无参考型图像质量评价算法计算所述实时雾霾图像的图像评价指标；并通过所述雾霾图像的图像评价指标与所述空气质量指数的对应关系获取所述实时雾霾图像对应的空气质量指数；所述输出单元用于输出所述空气质量指数。优选地，所述监控单元为高清摄像头。优选地，还包括存储单元，所述存储单元用于存储bliinds2、m3、brisque、staind、biqi、curveletqa和diivine图像质量评价算法中的一种或多种，所述第一处理单元根据其中任意一种获取所述雾霾图像的图像评价指标。优选地，还包括用户终端，所述用户终端包括所述第一处理单元、第二处理单元和输出单元。本发明还构造一种计算机设备，包括存储器、处理器及存储在储存器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上面所述的基于图像质量评价的空气质量评价方法的步骤。本发明还构造一种计算机存储介质，所述计算机可读存储介质存储程序，所述程序可被处理器执行，以实现如上面所述的基于图像质量评价的空气质量评价方法的步骤。实施本发明的基于图像质量评价的空气质量评价方法、系统、设备及存储介质，具有以下有益效果：能够简单快捷的获取实时空气质量等级，成本低，应用场景广。附图说明下面将结合附图及实施例对本发明作进一步说明，附图中：图1是本发明基于图像质量评价的空气质量评价方法的程序流程图；图2是本发明中图像评价指标与空气质量指数的对应关系的示意图；图3是图1中获取雾霾图像一实施例中雾霾图像；图4是图3中雾霾图像对应的空气质量指数；图5是本发明基于图像质量评价的空气质量评价系统一实施例的结构示意图。具体实施方式为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。如图1所示，在本发明的基于图像质量评价的空气质量评价方法一实施例中，包括以下步骤：s1、获取多个不同空气质量指数(aqi)下的雾霾图像；具体的，通过同一个摄像头对同一个位置进行多次拍摄，这里拍摄获取到的雾霾图像尽量能够对应多个不同质量指数，可以理解，在这里，雾霾图像对应的空气质量指数(aqi)越多，其后面对空气质量评价的准确度越高。例如，常见的空气质量指数(aqi)包括0－50、51－100、101－150、151－200、201－300和大于300六档，那么在获取与不同空气质量指数(aqi)对应的雾霾图像时，可以尽量使雾霾图像中对应的空气质量指数(aqi)包括上面六个档的，且在可能的情况下，在每个空气质量指数(aqi)档内都包含适当数量的雾霾图像。s2、通过无参考型图像质量评价算法获取雾霾图像的图像评价指标(nriqa)，并建立雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系；具体的，在获取到与各个空气质量指数(aqi)对应的雾霾图像后，通过常用的无参考型图像质量评价算法对该多个雾霾图像进行图像质量评价，获取对应的图像评价指标(nriqa)，这样，就可以理解为，一个雾霾图像对应一个空气质量指数(aqi)，且对应一个图像评价指标(nriqa)，那么就能够通过将同一个雾霾图像的空气质量指数(aqi)和其图像评价指标(nriqa)(nriqa)建立对应关系。在这里，可以理解，可通过一定的数学处理手段对多个雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)进行特定关系的确认，例如，在很多时候大部分雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)的关系都满足一种特定关系，那么可以将该特定关系设定为雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)的对应关系。s3、获取一实时雾霾图像并通过无参考型图像质量评价算法计算实时雾霾图像的图像评价指标(nriqa)；具体的，当雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)的对应关系已经能够确认，那么就可以进行实时雾霾图像的监测获取了，在这里可以获取任意个实时的雾霾图像，并通过无参考型图像质量评价算法计算实时雾霾图像的图像评价指标(nriqa)，这里要注意的是，为了保证空气质量指数(aqi)的准确性，这里对实时雾霾图像的图像评价指标(nriqa)的计算采用的无参考型图像质量评价算法要同步骤s2中的无参考型图像质量评价算法相同。s4、通过雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系获取实时雾霾图像对应的空气质量指数(aqi)。具体的，当雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)的对应关系已经能够确认，获取实时雾霾图像的图像评价指标(nriqa)后，就可以通过雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系来获取实时雾霾图像对应的空气质量指数(aqi)了。进一步的，在步骤s2中，建立雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系包括：s2-1、绘制雾霾图像对应的图像评价指标(nriqa)与空气质量指数(aqi)的散点图，并计算拟合曲线。具体的，如图2所示，建立雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系的数学方法，在这里可以先建立图像评价指标(nriqa)和空气质量指数(aqi)的坐标系，在一些实施例中，将图像评价指标(nriqa)建立为纵坐标，坐标刻度按照图像评价指标(nriqa)的评分设置，例如常用的范围为1.5到5分，每0.5分一个刻度，将空气质量指数(aqi)建立为横坐标，横坐标的刻度按照常用的空气质量指数(aqi)包括0－50、51－100、101－150、151－200、201－300和大于300六档进行建立，在坐标系中绘制雾霾图像对应的图像评价指标(nriqa)与空气质量指数(aqi)的散点图，然后根据散点图进行拟合，建立图像评价指标(nriqa)与空气质量指数(aqi)的拟合曲线。这样，图像评价指标(nriqa)与空气质量指数(aqi)的对应关系即为该拟合曲线。进一步的，在步骤s2-1中，计算拟合曲线包括计算三阶多项式拟合曲线。具体的，根据上面的描述，图像评价指标(nriqa)与空气质量指数(aqi)的拟合曲线是整个空气质量指数(aqi)评价的关键，在这里，可以理解拟合曲线的吻合度原告，其对实时雾霾图像的空气质量评价的结果越准确，而要建立高吻合度的拟合曲线，其计算过程越复杂，那么在保证实时雾霾图像的空气质量评价的结果的准确性的同时，减少计算量，在本方法中采用合适的三阶多项式拟合曲线既可以保证准确度。例如常用的三阶多项式拟合曲线为f(x)＝ax3+bx2+cx+d，其中f(x)为所述图像评价指标(nriqa)的分值，x为所述空气质量指数(aqi)。其中a、b、c和d为常数，这里在一些时候其取值同在步骤s1中获取多个不同空气质量指数(aqi)下的雾霾图像的数量存在着特定关系，但是其取值在最优的情况下其变化不会因为该数量出现较大起伏。可以看出，通过该三阶多项式，在步骤s1中，可减少前期雾霾图像的获取，以减少整个计算任务，即可保证对实时雾霾图像的空气质量指数(aqi)的准确度。进一步的，在步骤s2中，无参考型图像质量评价算法包括bliinds2、m3、brisque、staind、biqi、curveletqa和diivine图像质量评价算法中的任意一种。具体的，在本发明中，获取雾霾图像的图像评价指标(nriqa)所采用的图像质量评价算法没有特别要求。在这里，一个具体的实施例，图2和图3分别在同一拍摄地点连续40天每天8:00-9:00的雾霾图像以及当时对应的空气质量指数(aqi)数据平均值。分别采用bliinds2、m3、brisque、staind、biqi、curveletqa和diivine计算出各个雾霾图像的图像评价指标(nriqa)，并随机选取其中80％的雾霾图像的空气质量指数(aqi)同图像评价指标(nriqa)进行对应，建立空气质量指数(aqi)同图像评价指标(nriqa)的散点图，然后进行拟合，这里拟合的三阶多项式拟合曲线可参照上文描述，然后用剩余的20％的雾霾图像进行验证，计算其对应的图像评价指标(nriqa)并根据拟合曲线获取其计算出来的空气质量指数(aqi)，这里定义为空气质量指数(aqi)计算值，然后同其实际的空气质量指数(aqi)(这里定义为空气质量指数(aqi)实测值)进行对比。这里通过线性相关系数(linearcorrelationcoefficient,lcc)的计算公式：其中，x，y分别代表单张雾霾图片的空气质量指数(aqi)计算值和空气质量指数(aqi)实测值，i代表图片编号，n代表图片总数，分别代表全部图片的空气质量指数(aqi)计算值平均值和空气质量指数(aqi)平均值。在这里也可以将空气质量指数(aqi)计算值直接对应为与空气质量指数(aqi)计算值对应的图像评价指标(nriqa)，这样计算出图像评价指标(nriqa)与空气质量指数(aqi)实测值的相关性，具体的参下表1，可以看出，图像评价指标(nriqa)与空气质量指数(aqi)实测值的相关性较高，这样的话，从图像评价指标(nriqa)获取空气质量指数(aqi)的准确度是能够满足要求的。这里还可以通过秩相关系数(spearmanrankordercorrelationcoefficient,srocc)：其中，d代表等级间差异，此处为空气质量指数(aqi)计算值与空气质量指数(aqi)实测值的差值绝对值。在这里也可以将空气质量指数(aqi)计算值直接对应为与空气质量指数(aqi)计算值对应的图像评价指标(nriqa)，这样计算出图像评价指标(nriqa)与空气质量指数(aqi)实测值的相关性，具体的参下表1，可以看出，图像评价指标(nriqa)与空气质量指数(aqi)实测值的相关性较高，这样的话，从图像评价指标(nriqa)获取空气质量指数(aqi)的准确度是能够满足要求的。此外，还可以通过均方根误差(rootmeansquarederror,rmse)公式，：其中，x，y分别代表单张图片的空气质量指数(aqi)计算值与空气质量指数(aqi)实测值，n为测试图片数量。这里可以看出来，通过rmse值越小，表示差异越小，那么用该方法获取的空气质量指数(aqi)准确度越高。具体可以参照下表1。另外，在这里通过对采用的各种无参考型图像质量评价算法的中值lcc，中值srocc和中值rmse做平均，可以看出来，各种无参考型图像质量评价算法的获取的空气质量指数(aqi)非常接近，所以在这里各种空气质量无参考型图像质量评价算法均可以适用，且准确度均能满足要求。nriqa算法中值lcc中值srocc中值rmsebliinds20.92800.916724.5670m30.93440.914123.7349brisque0.94260.916722.8049staind0.96140.950018.2564biqi0.95110.933320.6651curveletqa0.94670.933322.0918diivine0.95450.945619.1929平均值0.94550.930021.6161表1另，如图5所示，本发明的基于图像质量评价的空气质量评价系统，包括：监控单元、与监控单元连接的第一处理单元和第二处理单元、与第二处理单元连接的输出单元；监控单元用于获取多个不同空气质量指数(aqi)下的雾霾图像；第一处理单元用于通过无参考型图像质量评价算法获取雾霾图像的图像评价指标(nriqa)，并建立雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系；监控单元还用于获取一实时雾霾图像；第二处理单元用于通过无参考型图像质量评价算法计算实时雾霾图像的图像评价指标(nriqa)；并通过雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系获取实时雾霾图像对应的空气质量指数(aqi)；输出单元用于输出空气质量指数(aqi)。具体的，通过同一个监控单单元获取雾霾图像，这里获取到的雾霾图像尽量能够对应多个不同质量指数，可以理解，在这里，雾霾图像对应的空气质量指数(aqi)越多，其后面对空气质量评价的准确度越高。例如，常见的空气质量指数(aqi)包括0－50、51－100、101－150、151－200、201－300和大于300六档，那么在获取与不同空气质量指数(aqi)对应的雾霾图像时，可以尽量使雾霾图像中对应的空气质量指数(aqi)包括上面六个档的，且在可能的情况下，在每个空气质量指数(aqi)档内都包含适当数量的雾霾图像。在获取到与各个空气质量指数(aqi)对应的雾霾图像后，通过常用的无参考型图像质量评价算法对该多个雾霾图像进行图像质量评价，获取对应的图像评价指标(nriqa)，这样，就可以理解为，一个雾霾图像对应一个空气质量指数(aqi)，且对应一个图像评价指标(nriqa)，那么就能够通过将同一个雾霾图像的空气质量指数(aqi)和其图像评价指标(nriqa)建立对应关系。在这里，可以理解，可通过一定的数学处理手段对多个雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)进行特定关系的确认，例如，在很多时候大部分雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)的关系都满足一种特定关系，那么可以将该特定关系设定为雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)的对应关系。当雾霾图像的空气质量指数(aqi)和图像评价指标(nriqa)的对应关系已经能够确认，那么就可以进行实时雾霾图像的监测获取了，在这里可以获取任意个实时的雾霾图像，并通过无参考型图像质量评价算法计算实时雾霾图像的图像评价指标(nriqa)，这里要注意的是，为了保证空气质量指数(aqi)的准确性，这里第二处理单元对实时雾霾图像的图像评价指标(nriqa)的计算采用的无参考型图像质量评价算法要同第一处理单元对雾霾图像图像评价指标(nriqa)计算时采用的无参考型图像质量评价算法相同。获取实时雾霾图像的图像评价指标(nriqa)后，就可以通过雾霾图像的图像评价指标(nriqa)与空气质量指数(aqi)的对应关系来获取实时雾霾图像对应的空气质量指数(aqi)了。输出单元最终将获取到的空气质量指数(aqi)进行输出。进一步的，监控单元为高清摄像头。具体的，这里的高清摄像头获取图像时尽量保持在同一个角度。进一步的，还包括存储单元，存储单元用于存储bliinds2、m3、brisque、staind、biqi、curveletqa和diivine图像质量评价算法中的一种或多种，第一处理单元根据其中任意一种获取雾霾图像的图像评价指标(nriqa)。具体的，获取雾霾图像的图像评价指标(nriqa)所采用的图像质量评价算法没有特别要求。通过上面的测试数据说明，常用的无参考型图像质量评价算法均能满足要求。进一步的，还包括用户终端，用户终端包括所述第一处理单元、第二处理单元和输出单元。具体的，这里的用户终端可以为个人电脑，平板甚至手机，通过获取高清摄像头获取的雾霾图片即可进行实施空气质量指数(aqi)的获取。并可通过图像显示，数字显示或者列表显示等方式在显示屏显示，也可以通过声音进行播报。在一些实施例中，监控单元和用户终端还可以为一体设计，例如带有摄像头的电脑等。另、本发明的一种计算机设备，包括存储器、处理器及存储在储存器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上面的基于图像质量评价的空气质量评价方法的步骤。具体的，只要在计算机设备上进行上述的方法，即可获得空气质量评价的结果。计算机设备可为笔记本、台式机、平板电脑、智能手机等终端，也可为服务器。另，本发明的一种计算机存储介质，计算机可读存储介质存储程序，程序可被处理器执行，以实现如上面所述的基于图像质量评价的空气质量评价方法的步骤。具体的，上面描述的方法可以作为程序存储，并进行复制拷贝，这样，可以简单快速的形成空气质量监测点的布局。这里计算机可读存储介质可以是但不局限于可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。以及包含上述存储设备的装置组合。可以理解的，以上实施例仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，可以对上述技术特点进行自由组合，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，凡跟本发明权利要求范围所做的等同变换与修饰，均应属于本发明权利要求的涵盖范围。当前第1页12