摘要:随着我国经济和工业的快速发展大气污染问题受到的关注与日俱增。实时准确的霾污染等级检测对环境和居民生活具有现实且重要的意义。目前对霾的检测方法主要有两种,一种是检测大气中各种颗粒物浓度的粒子计数法,另一种是基于遥感的霾检测方法。以上两种方法的发展都较为成熟,但都有成本较高且不宜普及的特点。本文针对以上问题提出一种基图像处理的霾检测方法,旨在建立一个图像与霾的关系模型,实现对任意一张相同环境下拍摄的相同目标图像进行分析即可得到环境霾情况的目的。主要研究内容如下:（1）分析了霾造成大气能见度下降的原理,并且对霾对自然图像造成的影响进行了分析,论述了利用PM_2.5浓度对霾进行表征的原因,提出了基于图像处理对霾进行检测的原理,并概述了整个流程。（2）结合机器视觉和图像处理技术对自然图像进行预处理,通过分析对比得到最适合本文研究图像的灰度化和滤波方法。由于外界环境会造成不同图像中目标物的偏移,根据图像情况进行配准,为感兴趣区域提取提供基础。（3）根据不同特征的特点选取感兴趣区域,在相应感兴趣区域中提取能够反映霾对图像影响的多种特征,对特征与PM_2.5浓度进行相关性分析对比得到与PM_2.5浓度相关性较大的几种特征,将亮度对比度、熵、相关性和峰值信噪比作为下一步支持向量回归机训练的数据集。（4）利用支持向量回归机建立了图像特征与PM_2.5浓度间的关系模型,并对模型的预测结果进行分析和验证。本文提出的基于图像处理的霾检测方法结合了图像处理技术和机器学习技术,该方法适用于任何包含高对比度区域的场景,该方法的优势在于无需架设新设备,只需对设备拍摄的原有图像和环境数据进行建模即可利用现有路况摄像监控系统对监控区域进行霾检测。该方法覆盖范围广、测量成本低而且可以实现自动化实时测量,适合大规模应用推广。