IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

南京理工大学陈强等:基于图像的空气质量等级检测

已有 181 次阅读 2021-1-11 17:10 |系统分类:博客资讯

随着我国工业化进程的推进,国家经济飞速发展的同时,环境也遭到了一定程度的破坏,绝大多数城市出现不同层次的污染。在环境保护部发布的《2015年环境状况公报》中显示2015年全国338个地级及以上城市中,仅有73个城市环境空气质量达标,仅占全部城市数的21.6%。从数据可以看出空气质量问题已经成为目前我国面临的重要问题之一。


目前在国内不同城市设立若干监测站,通过各种精密的检测仪器获取污染物浓度,计算空气质量指数(AQI),并发布至气象局供居民查询。空气污染物检测仪器购买和维护成本较高,且通过在每个城市设立监测站的方式检测城市空气质量是粗粒度的,不能覆盖城市的每个角落。


基于图像检测空气质量的方法可以通过日常生活中移动设备采集的图像检测周边的空气污染情况。该方法可以弥补现有空气质量检测技术的不足,实现细粒度、低成本的监测空气质量。


图1.jpg


我们对空气质量图像库中的不同空气质量等级图像进行分析。下图第一列从上到下分别是空气质量等级为良和重度污染下采集到的图像,第二列是两幅图像对应的灰度通道做差取绝对值后的结果,第三列是两幅图像对应的颜色a通道做差取绝对值后的结果,第四列是两幅图像对应的颜色b通道做差取绝对值后的结果。从图中可以看出,空气污染对图像的颜色通道和灰度通道都会产生影响,空气污染会影响图像的质量。 


图2.jpg


如何通过图像评定空气质量等级?我们利用不同空气质量等级图像的局部信息熵直方图分布差异,提出了一种基于图像检测空气质量等级的方法。我们提取了六种反映空气质量差异的图像信息作为目标特征,它们是灰度通道空间域局部信息熵均值和斜率、灰度通道频域局部信息熵均值和斜率、颜色通道频域局部信息熵均值和斜率。提取特征的步骤如下图所示:


图3.jpg


将提取的六维目标特征输入到SVM分类器,构建基于图像的空气质量等级检测模型。本方法核心思想是将图像分类问题转换成高维特征分类空间,使得将本来难分类的问题转换成线性可分问题,在高维特征分类空间通过一个超平面可以很好地区分出不同的空气质量等级。


本方法的实验结果如下图所示。


图4.jpg

数据集I测试图像及测试结果


图5.png

数据集II测试图像及测试结果


引用格式

杨本芊, 徐琳, 陈强. 基于图像的空气质量等级检测. 自动化学报, 2020, 46(11): 2404−2416

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180041 


作者简介


陈  强

南京理工大学计算机科学与工程学院教授. 主要研究方向为图像处理和分析. 本文通信作者.

E-mail: chen2qiang@njust.edu.cn


杨本芊

南京理工大学计算机科学与工程学院硕士研究生. 主要研究方向为图像处理、机器学习、图像质量与空气质量相关性分析. 

E-mail: yangbenqian_7@163.com


徐  琳

南京理工大学计算机科学与工程学院硕士研究生. 主要研究方向为图像处理.

E-mail: 13813376047@163.com




http://wap.sciencenet.cn/blog-3291369-1266743.html

上一篇:周晓君, 阳春华, 桂卫华. 状态转移算法原理与应用
下一篇:JAS入选中国科技核心期刊

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-3-4 03:15

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部