基于光学成像的空气质量定性判定方法

针对我国目前气象观测站点分散不均匀导致实时得到的空气质量信息不准确的问题,文中提出一种基于光学成像的空气质量定期性制定方法。该文结合通过数字图像去雾领域中基于光学成像原理去雾得到的大气透射率和通过气象观测领域中得到的空气质量与散射系数间的相关性,并考量同一景深下大气透射率和散射系数之间的指数关系,利用BP神经网络模型学习空气质量和图片透射率间的隐性联系,做到通过图片来定性判定其空气质量。实验结果显示,所提空气质量判定方法的整体识别率为83.72%,优类和良类识别率达到了90%以上。