1. 研究目的与意义及国内外研究现状

如今，全球大气污染日趋严重，雾霾严重地影响着人们的日常生活与生产。而由于目前城市雾霾监测点数量少，密度低，且成本较高。我们对雾霾尚不能形成低成本细粒度的检测。但随着科技的发展，尤其是通信技术的发展与相关硬件水平的提高，及内置大量先进传感器的智能终端的口益普及。人们利用配备较高像素的摄像头，便可以获取到大量的图像信息。但目前学术界尚没有提出一种利用智能手机且不借助外部传感器分析可吸收颗粒物（PM10）浓度的方法。相关研究大部分都集中在基于专业传感器的空气质量检测。此外，随着结合参与式感知（Participatory Sensing）理论的发展，一些新的应用场景不断被提出。参与式感知系统具有覆盖面广、数据丰富、不需要额外硬件投资等优点，能够向基于移动协作感知网络的应用提供全面、便捷、深度的数据。因此，本课题提出了结合移动参与式感知的基于图像分析的大气质量检测算法，并实现一个集数据收集，处理，分析的空气质量检测系统，从而可以有效地实现空气质量检测低成本化，细粒度化。本课题主要提出了两种有效的方法使用参与者所收集到的雾霾图像进行图像特征提取与分析，这些图像特征将被用来建立PM10估计模型，从而进行PM10浓度估计。

国内外研究现状

计算测量PM10的方法法有很多种，具体到实现上国内外对可吸入颗粒物的研究已经取得了相当多的研究和成果,目前，国内外国家对PM10的浓度检测手段主要依靠大型的检测设备，相关研究大部分都集中在基于专业传感器的空气质量检测， 20世纪70年代开始，发达国家相继建立了连续自动监测系统（利用大型检测设备），而对于这种利用智能手机且不借助外部传感器分析PM10浓度的方法却很少涉及。鉴于参与式感知的理论意义和实际应用价值，国内对这方面已经发表的文献多是侧重于应用GPS传感器、方向传感器及加速度传感器，进而收集用户的位置信息、分析人群热度、得到用户的状态信息等，而利用收集到的视频或图像信息来研究空气质量与图像特征的关系即基于图像的空气质量检测系统则处于起步阶段。

2. 研究的基本内容

本课题设计并实现一个基于图像分析的PM10检测系统，主要研究内容包括：异构手机图像的归一化处理、空气质量与图像特征的关系研究及基于图像的空气质量检测系统。要利用智能手机所拍摄的图像进行空气质量分析，首先需要利用手机所拍摄的相片进行图像处理与分析。但是不同型号的手机摄像头硬件参数的不同，拍摄时焦距，曝光度，白平衡处理及图像分辨率的不同，因此，需要首先对手机所拍摄的图像进行归一化处理，使其可以作为PM10图像分析算法的输入图像。接下来需要研宄的重点内容是空气质量与图像特征的关系研究。首先研究PM10浓度与图像特征之间的关系。针对该问题的研究在学术界较少，大部分研究主要集中在分析大气能见度或其它一些大气光学参数与图像特征的关系。本课题主要从了图像的视觉特征及物理特征着手。视觉特征主要描述了图像的色彩，锐度，对比度等特征。物理特征主要从一些现有的天空模型，大气模型等进行分析。本课题将利用不同地点，不同手机所拍摄的图像，使用以上图像特征来分析其与浓度的相关程度。更进一步地，分析出哪些图像特征相比其它特征与浓度具有更高的相关特性，且拥有较高的计算效率。最后，本课题依据利用研究得到异构手机图像归一化模型，PM10图像特征提取算法，实现了一个基于图像的空气质量检测系统。该系统首先根据参与者的手机型号分析得到其相机的成像模型。随后利用参与者在同一地点拍摄的若干天的图像进行图像预处理分析。然后利用通过图像处理及分析算法得到雾霾图像特征，最终使用得到的图像特征，及参考PM10浓度值，从而得到该地点的基于图像的PM10估计模型。进而使得该参与者通过在同一地点拍摄相片而分析其相应的浓度。该系统主要分为两个部分，智能手机客户端主要负责图像及相关数据采集，处理与PM10分析。服务器端主要负责PM10数据的存储及气象数据的抓取与存储。

3. 实施方案、进度安排及预期效果

2015．11月 – 12月 对参与式感知理论、雾霾图像特征提取及相关空气质量分析方法进行学习。

2016.12月 – 1月 完成基于图像分析的可吸收颗粒物（pm10）估计算法。

2016.1月 – 2月 完成pm10分析系统的设计与实现。

4. 参考文献

[1] burke j a,estrin d,hansen m,et al.participatory sensing[j].center for embedded network sensing,2006.

[2] goldman j,shilton k,burke j,et al. participatory sensing: a citizen-powered approach to illuminating the patterns that shape our world[j].foresightgovernance project,white paper,2009:1-15

[3] hasenfratz d,saukh o,sturzenegger s,et al.participatory air pollution monitoring using smartphones[j].mobile sensing,2012.