版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
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。