基于图像感兴趣区域融合特征的PM_(2.5)浓度预测方法

作     者：张雨琪 焦瑞莉 薄宇 陶益凡 王立志 ZHANG Yuqi;JIAO Ruili;BO Yu;TAO Yifan;WANG Lizhi

作者机构：北京信息科技大学信息与通信工程学院北京100101 中国科学院大气物理研究所中国科学院东亚区域气候-环境重点实验室北京100029 中国科学院大气物理研究所公共技术服务中心北京100029 

出 版 物：《中国环境监测》 (Environmental Monitoring in China)

年 卷 期：2022年第38卷第4期

页      面：207-216页

核心收录：

学科分类：082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 0804[工学-仪器科学与技术] 

基　　金：中国科学院战略性先导科技专项(A类-XDA19040202) 北京信息科技大学其他纵向项目(20190193) 

主　　题：大气污染监测 PM_(2.5)浓度 感兴趣区域 传统图像处理 深度学习 融合特征 

摘      要：通过图像预测PM_(2.5)浓度的准确性,在很大程度上取决于模型所选用的特征参数。为丰富特征参数的表达,设计了一种基于图像传统特征与深度特征充分融合的PM_(2.5)浓度预测方法。首先,根据不同PM_(2.5)浓度下的成像差异,选定图像感兴趣区域,解决图像尺寸过大导致的模型运算效率较低问题。然后,针对所选取的局部图像,利用传统图像处理方法手动设计并提取图像浅表视觉特征,同时利用卷积神经网络自动提取图像深层语义特征。最后,将两种特征融合,交由卷积神经网络的全连接层实现对PM_(2.5)浓度的回归预测。预测误差比对结果显示,相比使用单种特征,使用融合特征能够有效提高模型的预测性能。