Un algorithme d'évaluation de la concentration de brouillard basé sur une fonction logistique ajustant un graphique de dispersion en forme de S a été proposé. Tout d'abord, l'extraction de la différence de niveaux de gris normalisée - prior sur le graphique de dispersion proportionnel à partir de l'ensemble standard d'images LIVE a été réalisée ; basée sur la correspondance un-à-un entre la courbe de dispersion et la concentration de brouillard dans le champ de vision, une fonction logistique a été introduite et un modèle adapté à l'analyse de régression a été dérivé. Ensuite, une méthode de recherche itérative a été utilisée pour déterminer le meilleur point d'échantillonnage de la distribution gaussienne verticale afin d'améliorer la précision de la détection. Enfin, une table de recherche d'estimation des paramètres (β^, γ^) a été établie, utilisant le calcul du coefficient de corrélation et une recherche exhaustive pour évaluer le niveau de concentration de brouillard. Les tests de l'échantillon d'image 1 avec différentes concentrations dans le même scénario ont montré que le coefficient de corrélation entre le PM2.5 réel de l'image et le PM2.5 de la table de recherche atteint 0,99, avec une erreur de détection inférieure à 2,9 % ; les tests de l'échantillon d'image 2 d'autoroute à différentes concentrations dans un scénario approximatif ont montré un coefficient de corrélation de 0,98 entre le PM2.5 réel et la valeur PM2.5 de la table de recherche, avec une erreur de détection inférieure à 1,8 % ; des tests de comparaison d'efficacité d'exécution ont montré que le temps de traitement de l'algorithme pour une image échantillon de 300 kB est de 19,8 s, inférieur à celui des algorithmes profonds visuels pilotés par les données de précision similaire ; les tests de comparaison de précision de détection ont montré que cet algorithme est supérieur à d'autres algorithmes typiques.

autoroute;image;détection de la concentration de brouillard;NGDR;modèle logistique;analyse de régression;table de recherche