專利名稱：一種基于計算機(jī)視覺的霧霾監(jiān)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)數(shù)字圖像處理與模式識別領(lǐng)域，尤其涉及一種基于計算機(jī)視覺的霧霾監(jiān)測方法。
背景技術(shù)：
霧是由大量懸浮在近地面空氣中的微小水滴或冰晶組成的氣溶膠系統(tǒng)，是近地面層空氣中水汽凝結(jié)的產(chǎn)物。霧的存在會降低空氣透明度，使能見度惡化。霧滴的直徑比較大，肉眼可以看到空中飄浮的霧滴。由于液態(tài)水或冰晶組成的霧散射的光與波長關(guān)系不大，因而霧看起來呈乳白色或青白色。霧與晴空區(qū)域之間有明顯的邊界，霧濃度分布不均勻，因而在霧中能見度有比較大的起伏。霾是由空氣中的灰塵、硫酸、硝酸、有機(jī)碳?xì)浠衔锏确撬晌锪Ｗ咏M成的氣溶膠系統(tǒng)，能使大氣渾濁，視野模糊并導(dǎo)致能見度惡化。霾粒子尺度比較小，肉眼看不到在空中飄浮的顆粒物。霾散射波長較長的光比較多，因此整體看起來呈黃色或橙灰色，而其中的黑暗物體微帶藍(lán)色。霾與晴空區(qū)域之間沒有明顯的邊界，霾的粒子分布比較平均，因而霾中能見度 相對均勻。當(dāng)水汽凝結(jié)加劇、空氣濕度增大時，空氣中原本存在的較小顆粒的污染物遭遇水汽后變成人們?nèi)庋劭梢姷拇箢w粒物，兩者結(jié)合就形成了霧霾。作為復(fù)雜的氣溶膠系統(tǒng)，霧霾顏色以白色、灰色為主，與晴空之間有淺淡摻和的邊界，并因顆粒物對光的吸收和散射作用而造成能見度下降。霧霾的主要組成成分包括二氧化硫、氮氧化物和可吸入顆粒物等，而霧霾的形成與污染物的排放密切相關(guān)，例如，監(jiān)測數(shù)據(jù)顯示，機(jī)動車尾氣是空氣中PM2.5顆粒的重要來源。近年來，我國由于工業(yè)化、城市化、交通運輸現(xiàn)代化的迅速發(fā)展，化石燃料(煤、石油、天然氣)的消耗量迅猛增加，汽車尾氣、燃油、燃煤、廢棄物燃燒直接排放的氣溶膠粒子和氣態(tài)污染物日增，使得霧霾現(xiàn)象日趨嚴(yán)重。2013年I月，全國約143萬平方公里的面積陷入霧霾天氣，其中北京市霧霾多達(dá)25天，是有史以來最為嚴(yán)重的空氣污染。霧霾天氣下，人們?nèi)菀壮霈F(xiàn)壓抑、焦慮、悲觀等情緒，發(fā)生憋氣、咳嗽、頭暈、乏力、犯困、反胃、惡心、易怒等不良反應(yīng)。而且霧霾顆粒能直接進(jìn)入并黏附在人體上、下呼吸道和肺葉，分別沉積于呼吸道和肺泡中，引起鼻炎、上呼吸道感染、支氣管炎、氣喘、肺炎、肺氣腫等疾病，長期處于這種環(huán)境還會誘發(fā)肺癌。因此，盡快制定霧霾判別與預(yù)警方法，進(jìn)行霧霾的監(jiān)測與預(yù)報，已經(jīng)成為關(guān)系國計民生的大事。傳統(tǒng)的霧霾判別通過人工觀測，并結(jié)合相對濕度等氣象要素進(jìn)行分析。目前已有基于氣象站的空氣污染監(jiān)測系統(tǒng)，站內(nèi)配備水分測試儀、煙塵濁度儀、黑碳監(jiān)測儀、氣溶膠監(jiān)測儀、能見度監(jiān)測儀、有機(jī)碳監(jiān)測儀、元素碳監(jiān)測儀、揮發(fā)性有機(jī)化合物監(jiān)測儀、紫外輻射計、大氣穩(wěn)定度監(jiān)測儀等儀器，可較好地實現(xiàn)針對PM2.5、PM10、黑碳、臭氧、二氧化硫、氮氧化物、一氧化碳、硫酸鹽、硝酸鹽、銨鹽、揮發(fā)性有機(jī)化合物、顆粒物粒徑分布、顆粒物化學(xué)成分、渾濁度、能見度、氣溶膠厚度、大氣穩(wěn)定度及其它氣象參數(shù)等的指標(biāo)監(jiān)測，并根據(jù)造成空氣污染的主要物質(zhì)成分進(jìn)行霧霾分析。上述設(shè)備大多通過物理、化學(xué)方法實現(xiàn)監(jiān)測，如PM2.5監(jiān)測儀，或通過摩擦靜電技術(shù)測量顆粒攜帶的電荷變化從而記錄粉塵的存在；或通過光散射技術(shù)利用氣流中的顆粒反射出來的閃光頻率及持續(xù)時間來測量顆粒的含量；或通過光吸收技術(shù)測量入射光強與出射光強，并基于朗伯比爾定律計算得到粉塵濃度；或通過采樣器以恒速抽取定量體積空氣，使空氣中的PM2.5顆粒被截留在已知質(zhì)量的濾膜上，再根據(jù)采樣前后濾膜的質(zhì)量差和采樣體積，計算出PM2.5的濃度。與人工觀測霧霾相比，現(xiàn)有儀器采用了非視覺的間接測量方式。同時，因為儀器本身價格較高，只能通過分布較稀疏的氣象站對整個區(qū)域進(jìn)行點狀的有限監(jiān)測。相比之下，基于計算機(jī)視覺的霧霾監(jiān)測則是一種借助顏色、形狀、紋理等視覺特征的直接測量方式，在原理上與人工觀測最接近。數(shù)字?jǐn)z像機(jī)的低廉價格使得視覺監(jiān)測系統(tǒng)的搭建非常方便，甚至可以直接利用大量已有的且分布廣泛的監(jiān)控攝像頭，從而使得針對整個區(qū)域的網(wǎng)狀的全面監(jiān)測成為可能?；谟嬎銠C(jī)視覺的霧霾監(jiān)測方法從一個全新角度實現(xiàn)對霧霾的測量，到目前為止，本領(lǐng)域尚未有該方面的研究出現(xiàn)。

發(fā)明內(nèi)容
針對上述存在的技術(shù)問題，本發(fā)明目的是提供一種基于計算機(jī)視覺的霧霾監(jiān)測方法，以實現(xiàn)在較低成本條件下，通過視覺方式進(jìn)行霧霾的直接測量。為達(dá)到上述目的，本發(fā)明采用如下的技術(shù)方案:一種基于計算機(jī)視覺的霧霾監(jiān)測方法，根據(jù)對同一場景拍攝所得樣本圖像對待測量圖像進(jìn)行分析獲得霧霾監(jiān)測結(jié)果，所述場景中包含預(yù)設(shè)的近目標(biāo)與遠(yuǎn)目標(biāo)，近目標(biāo)與遠(yuǎn)目標(biāo)是場景中不同距離的兩個顏色黑暗的目標(biāo)區(qū)域；所述分析包括以下步驟，步驟1，建立包含不同霧霾情況的樣本數(shù)據(jù)庫，包括以下子步驟，步驟1.1，采集場景處空氣中存在不同程度霧霾時的樣本圖像，記錄各樣本圖像的相應(yīng)空氣污染參數(shù)；步驟1.2，針對各樣本圖像，分別進(jìn)行以下處理，計算近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，得到目標(biāo)物間的顏色特征差別；所述近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，包括目標(biāo)區(qū)域中所有像素的藍(lán)色分量均值；計算近目標(biāo)與遠(yuǎn)目標(biāo)的形狀特征，得到目標(biāo)物間的形狀特征差別；計算近目標(biāo)與遠(yuǎn)目標(biāo)的紋理特征，得到目標(biāo)物間的紋理特征差別；步驟1.3，針對各樣本圖像，綜合目標(biāo)物間的顏色特征差別、形狀特征差別和紋理特征差別，得到各樣本圖像的視覺特征向量；步驟1.4，構(gòu)造樣本數(shù)據(jù)庫，所述樣本數(shù)據(jù)庫包含采集的所有樣本圖像，各樣本圖像的視覺特征向量以及相應(yīng)空氣污染參數(shù)；步驟2，基于步驟I所得樣本數(shù)據(jù)庫，對待測量圖像進(jìn)行對比判斷，包括以下子步驟，步驟2.1，拍攝觀測場景，得到待測量圖像；步驟2.2，針對待測量圖像，進(jìn)行以下處理，計算近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，得到目標(biāo)物間的顏色特征差別；所述近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，包括目標(biāo)區(qū)域中所有像素的藍(lán)色分量均值；計算近目標(biāo)與遠(yuǎn)目標(biāo)的形狀特征，得到目標(biāo)物間的形狀特征差別；計算近目標(biāo)與遠(yuǎn)目 標(biāo)的紋理特征，得到目標(biāo)物間的紋理特征差別；
步驟2.3，針對待測量圖像，綜合目標(biāo)物間的顏色特征差別、形狀特征差別和紋理特征差別，得到待測量圖像的視覺特征向量；步驟2.4，基于視覺特征向量間的距離，將待測量圖像與各樣本圖像進(jìn)行逐一對t匕，找到距離最近的樣本圖像，并以對應(yīng)的霧霾情況作為待測量圖像的霧霾監(jiān)測結(jié)果。而且，所述近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，包括目標(biāo)區(qū)域中所有像素的色彩飽和度均值與藍(lán)色分量均值。而且，所述近目標(biāo)與遠(yuǎn)目標(biāo)的形狀特征，包括目標(biāo)區(qū)域中的特征點個數(shù)與邊緣像素點個數(shù)。而且，所述近目標(biāo)與遠(yuǎn)目標(biāo)的紋理特征，包括目標(biāo)區(qū)域的灰度共生矩陣特征與小波變換子帶系數(shù)。而且，設(shè)遠(yuǎn)目標(biāo)的目標(biāo)區(qū)域記為遠(yuǎn)目標(biāo)區(qū)域RF，設(shè)近目標(biāo)的目標(biāo)區(qū)域記為近目標(biāo)區(qū)域RN，計算遠(yuǎn)目標(biāo)區(qū)域和近目標(biāo)區(qū)域的灰度共生矩陣特征及差別包括以下子步驟，

(I)計算遠(yuǎn)目標(biāo)區(qū)域RF由灰度共生矩陣特征組成的向量和近目標(biāo)區(qū)域RN由灰度共生矩陣特征組成的向量，計算遠(yuǎn)目標(biāo)區(qū)域RF由灰度共生矩陣特征組成的向量實現(xiàn)如下，統(tǒng)計得到遠(yuǎn)目標(biāo)區(qū)域RF的灰度共生矩陣，計算矩陣的能量
權(quán)利要求
1.一種基于計算機(jī)視覺的霧霾監(jiān)測方法，其特征在于:根據(jù)對同一場景拍攝所得樣本圖像對待測量圖像進(jìn)行分析獲得霧霾監(jiān)測結(jié)果，所述場景中包含預(yù)設(shè)的近目標(biāo)與遠(yuǎn)目標(biāo)，近目標(biāo)與遠(yuǎn)目標(biāo)是場景中不同距離的兩個顏色黑暗的目標(biāo)區(qū)域；所述分析包括以下步驟， 步驟1，建立包含不同霧霾情況的樣本數(shù)據(jù)庫，包括以下子步驟， 步驟1.1，采集場景處空氣中存在不同程度霧霾時的樣本圖像，記錄各樣本圖像的相應(yīng)空氣污染參數(shù)； 步驟1.2，針對各樣本圖像，分別進(jìn)行以下處理， 計算近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，得到目標(biāo)物間的顏色特征差別；所述近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，包括目標(biāo)區(qū)域中所有像素的藍(lán)色分量均值； 計算近目標(biāo)與遠(yuǎn)目標(biāo)的形狀特征，得到目標(biāo)物間的形狀特征差別； 計算近目標(biāo)與遠(yuǎn)目標(biāo)的紋理特征，得到目標(biāo)物間的紋理特征差別； 步驟1.3，針對各樣本圖像，綜合目標(biāo)物間的顏色特征差別、形狀特征差別和紋理特征差別，得到各樣本 圖像的視覺特征向量； 步驟1.4，構(gòu)造樣本數(shù)據(jù)庫，所述樣本數(shù)據(jù)庫包含采集的所有樣本圖像，各樣本圖像的視覺特征向量以及相應(yīng)空氣污染參數(shù)； 步驟2，基于步驟I所得樣本數(shù)據(jù)庫，對待測量圖像進(jìn)行對比判斷，包括以下子步驟， 步驟2.1，拍攝觀測場景，得到待測量圖像； 步驟2.2，針對待測量圖像，進(jìn)行以下處理， 計算近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，得到目標(biāo)物間的顏色特征差別；所述近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，包括目標(biāo)區(qū)域中所有像素的藍(lán)色分量均值； 計算近目標(biāo)與遠(yuǎn)目標(biāo)的形狀特征，得到目標(biāo)物間的形狀特征差別； 計算近目標(biāo)與遠(yuǎn)目標(biāo)的紋理特征，得到目標(biāo)物間的紋理特征差別； 步驟2.3，針對待測量圖像，綜合目標(biāo)物間的顏色特征差別、形狀特征差別和紋理特征差別，得到待測量圖像的視覺特征向量； 步驟2.4，基于視覺特征向量間的距離，將待測量圖像與各樣本圖像進(jìn)行逐一對比，找到距離最近的樣本圖像，并以對應(yīng)的霧霾情況作為待測量圖像的霧霾監(jiān)測結(jié)果。
2.根據(jù)權(quán)利要求1所述基于計算機(jī)視覺的霧霾監(jiān)測方法，其特征在于:所述近目標(biāo)與遠(yuǎn)目標(biāo)的顏色特征，包括目標(biāo)區(qū)域中所有像素的色彩飽和度均值與藍(lán)色分量均值。
3.根據(jù)權(quán)利要求1所述基于計算機(jī)視覺的霧霾監(jiān)測方法，其特征在于:所述近目標(biāo)與遠(yuǎn)目標(biāo)的形狀特征，包括目標(biāo)區(qū)域中的特征點個數(shù)與邊緣像素點個數(shù)。
4.根據(jù)權(quán)利要求1所述基于計算機(jī)視覺的霧霾監(jiān)測方法，其特征在于:所述近目標(biāo)與遠(yuǎn)目標(biāo)的紋理特征，包括目標(biāo)區(qū)域的灰度共生矩陣特征與小波變換子帶系數(shù)。
5.根據(jù)權(quán)利要求4所述基于計算機(jī)視覺的霧霾監(jiān)測方法，其特征在于:設(shè)遠(yuǎn)目標(biāo)的目標(biāo)區(qū)域記為遠(yuǎn)目標(biāo)區(qū)域RF，設(shè)近目標(biāo)的目標(biāo)區(qū)域記為近目標(biāo)區(qū)域RN，計算遠(yuǎn)目標(biāo)區(qū)域和近目標(biāo)區(qū)域的灰度共生矩陣特征及差別包括以下子步驟， (I)計算遠(yuǎn)目標(biāo)區(qū)域RF由灰度共生矩陣特征組成的向量和近目標(biāo)區(qū)域RN由灰度共生矩陣特征組成的向量， 計算遠(yuǎn)目標(biāo)區(qū)域RF由灰度共生矩陣特征組成的向量實現(xiàn)如下， 統(tǒng)計得到遠(yuǎn)目標(biāo)區(qū)域RF的灰度共生矩陣，計算矩陣的能量
6.根據(jù)權(quán)利要求4所述基于計算機(jī)視覺的霧霾監(jiān)測方法，其特征在于:設(shè)遠(yuǎn)目標(biāo)的目標(biāo)區(qū)域記為遠(yuǎn)目標(biāo)區(qū)域RF，設(shè)近目標(biāo)的目標(biāo)區(qū)域記為近目標(biāo)區(qū)域RN，計算遠(yuǎn)目標(biāo)區(qū)域和近目標(biāo)區(qū)域的小波變換子帶系數(shù)及差別包括以下子步驟， (I)計算遠(yuǎn)目標(biāo)區(qū)域小波變換子帶系數(shù)向量和近目標(biāo)區(qū)域小波變換子帶系數(shù)向量，計算遠(yuǎn)目標(biāo)區(qū)域RF的小波變換子帶系數(shù)向量實現(xiàn)如下， 對遠(yuǎn)目標(biāo)區(qū)域RF進(jìn)行小波變換的3級分解，得到10個子帶圖像，計算第t個子帶圖像的均值系數(shù)，t的取值為1，2...10，
全文摘要
一種基于計算機(jī)視覺的霧霾監(jiān)測方法，采集場景中預(yù)設(shè)的顏色黑暗的遠(yuǎn)近目標(biāo)區(qū)域，基于目標(biāo)物視覺特征的計算及與不同霧霾情況下樣本圖像的對比，給出針對霧霾的監(jiān)測結(jié)果。表達(dá)圖像的視覺特征包括包含像素色彩飽和度均值與藍(lán)色分量均值在內(nèi)的顏色特征，包含特征點個數(shù)與邊緣像素點個數(shù)在內(nèi)的形狀特征，包含灰度共生矩陣特征與小波變換子帶系數(shù)在內(nèi)的紋理特征，以及表示遠(yuǎn)近目標(biāo)物之間差別的特征向量。本發(fā)明提出了在原理上與人工觀測霧霾最接近的借助視覺特征的直接測量方式，易于實現(xiàn)針對整個區(qū)域的霧霾情況的全面監(jiān)測，而且在樣本數(shù)據(jù)足夠多時能夠保證高精度的監(jiān)測結(jié)果。
文檔編號G06K9/62GK103218622SQ20131014189
公開日2013年7月24日 申請日期2013年4月22日 優(yōu)先權(quán)日2013年4月22日
發(fā)明者趙儉輝, 黃嘉康, 王幼平 申請人:武漢大學(xué)