一种基于IGAN-CNN模型的空气污染评估方法技术

一种基于IGAN‑CNN模型的空气污染评估方法。步骤1，获取卫星图像：步骤2，图像增强处理：步骤3，数据样本扩展：利用生成对抗网络对步骤2中卫星图像进行样本拓展；步骤4，模型离线训练：步骤5，模型在线应用：将步骤1~步骤4训练得到的IGAN‑CNN模型在线应用，实现对卫星实时拍摄的图像进行空气污染程度的评估。本发明专利技术所述方法具有良好的评估精度和泛化性能，具有良好的实际应用价值。

【技术实现步骤摘要】
一种基于IGAN-CNN模型的空气污染评估方法
本专利技术涉及空气污染程度评估领域，特别是涉及一种基于IGAN-CNN模型的空气污染评估方法。
技术介绍
我国是全球最大发展中国家，近年来经济和社会的发展卓有成效，城市化进程稳步推进，工业化程度不断提高，人民生活水平得到全面改善和提升。然而历史累积遗留的空气污染问题日益凸显，成为制约中国可持续发展的关键因素。为摆脱空气污染困境，中国政府一直积极运用财政和行政手段治理大气污染，《环境保护税法》己在2018年正式施行；国内学者也分别从空间分布、减排措施、影响因素、发展模式以及监测技术等方面对城市空气污染问题展开研究，并提出相应的改善和解决措施。如何快速准确的对当前空气污染程度进行评估是非常有意义的研究课题，深度学习作为当前最热门的人工智能领域的基础技术，其对大数据进行分析和处理的能力尤为卓越。深度学习通过其深度且多层次的人工神经网络结构，能够做到在大量的文字、图像或声音等数据信息中对其特征进行筛选和提取，对特定对象的特征表示进行学习，从而在准确理解大量的数据信息后完成对数据的高级处理。因此，相比于传统的以图像处理为基础的卫星图像分类识别，基于深度学习技术的卫星图像分类识别方法能够面向当前海量的卫星图像，有针对性的解决通过卫星图像对空气污染程度进行分类识别时所面临的问题。国内涉及对空气污染程度进行分类识别的中国专利技术专利有“一种基于卫星图像的空气污染估计方法”CN201910238150.9，公告号CN109978862A，公告日20190907，该专利中对红外图像进行阈值过滤，而后对经过阈值过滤的图像进行关键点检测，计算重叠率并对获得的检测关键点去重，得到分散的检测关键点与检测范围；接着对分散的检测关键点与检测范围的图像进行阈值过滤，去除像素值低于阈值的检测关键点，将剩余的检测关键点与检测范围在原图像中还原，但该专利中的滤波阈值的确定可能会因为图像的不同而不同，也即不具有自适应性。中国专利技术专利“一种根据移动终端检测空气污染指数的方法及系统”CN201510096538.1，公告号CN104614295A，公告日20150513，该专利通过移动终端上的悬浮颗粒感应装置检测空气中当前悬浮颗粒的浓度，并将所检测到的当前悬浮颗粒的浓度发送至终端处理器进行处理，获得当前悬浮颗粒的浓度等级，该专利主要是在微观层面上对空气污染进行评估。
技术实现思路
为解决上述问题，本专利技术在邻域平均算法、GAN和CNN网络模型的基础上，提出了一种基于IGAN-CNN模型的空气污染评估方法。考虑到卫星所拍摄的图像存在噪声，本专利技术首先采用邻域平均算法对图像进行降噪处理以突出图像的输出特征；为提高模型的泛化性能，采用GAN模型对卫星图像进行扩展以增加模型的训练样本量。另外，采用了具有高表达能力的CNN模型对卫星图像数据进行特征的深度挖掘，并在CNN模型中使用了dropout技术以防止网络模型过拟合，最终实现对卫星图像精准的分类识别。为达此目的，本专利技术提供一种基于IGAN-CNN模型的空气污染评估方法，具体步骤如下：步骤1，获取卫星图像：利用卫星拍摄不同空气污染程度下的热红外检测图像，其中选用的是10-TIRS拍摄波段；步骤2，图像增强处理：利用邻域平均算法对步骤1中的图像进行降噪以增强图像的输出纯度；步骤3，数据样本扩展：利用生成对抗网络GAN对步骤2中卫星图像进行样本拓展；步骤4，模型离线训练：对步骤3中得到的图像制作相应的标签，并输入到卷积神经网络CNN中进行模型的训练，直至模型收敛；步骤5，模型在线应用：将步骤1~步骤4训练得到的IGAN-CNN对离线模型在线应用，实现对卫星实时拍摄的图像进行空气污染程度的评估。进一步，步骤1中空气污染程度的分类具体描述为：依据预报等级标准和空气污染气象条件预报业务实施方案将空气污染程度分为6个等级，也即：一级表示好、二级表示较好、三级表示一般、四级表示较差、五级表示差和六级表示极差。进一步，步骤2中利用邻域平均算法对图像进行增强处理的具体描述为：假设卫星拍摄的图像表示为f(a,b)，图像的长度和宽度分别为L和D，在八邻域降噪中，像素点f(i,j)的八邻域可以表示为：卫星图像通过邻域平均法降噪后的所得到的图像p(a,b)可表示为：式中表示以像素点f(a,b)为中心的邻域集合，n为集合中的总数量，且1≤a≤L-1，1≤b≤D-1。进一步，步骤3中利用GAN对卫星图像进行样本拓展的具体步骤为：步骤3.1，搭建GAN中的生成器G和识别器D架构，本专利中G和D选取的都是CNN网络模型；步骤3.2，固定其中一个模型以训练另一个模型，也即：固定G/D训练D/G，G和D在训练过程中分别得到不断的提升，对抗过程的目标函数V(D,G)可以表示为：式中，表示卫星图像x的概率分布，表示生成的扩展样本z的概率分布，D(x)表示卫星图像经过D之后的输出，G(z)表示扩展样本z经过G后的输出；步骤3.3，利用随机梯度下降SGD算法对D和G进行参数更新，更新准则可以表述为：式中，和分别为D为G的参数，m表示训练的样本总量；步骤3.4，重复步骤3.2~3.3，直到达到纳什平衡，此时认为扩展的样本概率分布与原始图像的概率分布一致。进一步，步骤4中对IGAN-CNN对离线模型训练的具体步骤为：步骤4.1，利用TensorFlow搭建CNN网络模型，其中网络结构为：输入层-卷积层1-池化层1-dropout层1-卷积层2-池化层2-dropout层2-卷积层3-池化层3-dropout层3-全连接层1-全连接层2-softmax层；步骤4.2，将得到的图像输入到CNN中进行训练，其中的损失函数采用交叉熵损失函数，具体表达式为：式中，为实际样本标签，为Softmax层判别的标签；步骤4.3，利用SGD对CNN中的参数进行更新，直至损失函数L达到设定的收敛阈值1e-5。本专利技术一种基于IGAN-CNN模型的空气污染评估方法，有益效果：本专利技术的技术效果在于：1.本专利技术利用邻域平均算法对卫星拍摄的图像进行降噪处理，从而很好的突出图像的输出特征，这对提高模型的识别精度有很大的作用；2.本专利技术利用GAN对模型的训练样本进行扩充，这大大的改善了深度学习模型在小样本训练条件下容易过拟合和泛化性不足的问题；3.本专利技术采用具有很强的非线性表达能力的CNN模型对卫星图像数据进行特征的深度挖掘，并在CNN模型中使用了dropout技术以防止网络模型过拟合，最终实现对卫星图像精准的分类识别。附图说明图1为本专利技术的流程图；图2为本专利技术所用的IGAN-CNN模型的网络结构图。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述：本专利技术提出了一种基于IGAN-CNN模型的空气污染评估方法，旨在利用卫星拍摄的图像本文档来自技高网...

【技术保护点】
1.一种基于IGAN-CNN模型的空气污染评估方法，具体步骤如下，其特征在于：/n步骤1，获取卫星图像：利用卫星拍摄不同空气污染程度下的热红外检测图像，其中选用的是10-TIRS拍摄波段；/n步骤2，图像增强处理：利用邻域平均算法对步骤1中的图像进行降噪以增强图像的输出纯度；/n步骤3，数据样本扩展：利用生成对抗网络GAN对步骤2中卫星图像进行样本拓展；/n步骤4，模型离线训练：对步骤3中得到的图像制作相应的标签，并输入到卷积神经网络CNN中进行模型的训练，直至模型收敛；/n步骤5，模型在线应用：将步骤1~步骤4训练得到的IGAN-CNN对离线模型在线应用，实现对卫星实时拍摄的图像进行空气污染程度的评估。/n

【技术特征摘要】
1.一种基于IGAN-CNN模型的空气污染评估方法，具体步骤如下，其特征在于：
步骤1，获取卫星图像：利用卫星拍摄不同空气污染程度下的热红外检测图像，其中选用的是10-TIRS拍摄波段；
步骤2，图像增强处理：利用邻域平均算法对步骤1中的图像进行降噪以增强图像的输出纯度；
步骤3，数据样本扩展：利用生成对抗网络GAN对步骤2中卫星图像进行样本拓展；
步骤4，模型离线训练：对步骤3中得到的图像制作相应的标签，并输入到卷积神经网络CNN中进行模型的训练，直至模型收敛；
步骤5，模型在线应用：将步骤1~步骤4训练得到的IGAN-CNN对离线模型在线应用，实现对卫星实时拍摄的图像进行空气污染程度的评估。


2.根据权利要求1所述的一种基于IGAN-CNN模型的空气污染评估方法，其特征在于：步骤1中空气污染程度的分类具体描述为：
依据预报等级标准和空气污染气象条件预报业务实施方案将空气污染程度分为6个等级，也即：一级表示好、二级表示较好、三级表示一般、四级表示较差、五级表示差和六级表示极差。


3.根据权利要求1所述的一种基于IGAN-CNN模型的空气污染评估方法，其特征在于：步骤2中利用邻域平均算法对图像进行增强处理的具体描述为：
假设卫星拍摄的图像表示为f(a,b)，图像的长度和宽度分别为L和D，在八邻域降噪中，像素点f(i,j)的八邻域可以表示为：



卫星图像通过邻域平均法降噪后的所得到的图像p(a,b)可表示为：



式中表示以像素点f(a,b)为中心的邻域集合，n为集合中的总数量，且1≤a≤L-1，1≤b≤D-1。


4.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：郭洪涛，
申请(专利权)人：江苏铨铨信息科技有限公司，
类型：发明
国别省市：江苏;32