16、空气污染监测与单图像去雾：创新方法解析

空气污染监测与单图像去雾：创新方法解析

空气污染监测

在空气污染监测领域，有一种基于图像的污染等级分类方法。其主要目标是将图像分为两组，以实现污染分类。一组是不健康环境图像，对应的 PM2.5 范围是 100 µg/m³ 至 200 µg/m³；另一组是危险环境图像，代表 PM2.5 大于 200 µg/m³。该方法通过提取蓝色通道的像素强度特征，并结合人工神经网络（ANN）进行分类。以下是具体步骤：
1. 数据集描述
- 收集了 2014 年 1 月至 5 月期间由 Yi Zou 拍摄的北京电视塔的视觉图像，且这些图像几乎都在早上的同一时间拍摄。
- 从收集的图像中，选择 PM2.5 值大于或等于 100 µg/m³ 的图像进行分类，共选取了 55 张图像。
- 每张图像都包含采集的日期和时间，通过参考这些信息，从 www.stateair.net 收集了每张图像对应的 PM2.5 值。
2. 图像预处理
- 天空区域是视觉图像中进行污染分析的重要部分，蓝色通道能提供关于天空纹理和图像清晰度与污染程度相关的最大信息。
- 随着污染的增加，天空图像的清晰度、对比度以及蓝色通道值都会降低。因此，在预处理步骤中，从所有图像中提取蓝色通道，用于进一步的特征提取。
3. 特征提取
- 本研究基于邻域灰度差矩阵（NGTDM）提取了五个纹理特征，分别是粗糙度、对比度、繁忙度、复杂度和纹理强度。
- NGTDM 的生成是因为污染导致的纹理变化会影响单个像素及其邻域区域。大量污染会使像素强度彼此相似，从而极大地改变纹理模式，