目前国内主要依靠各种精密检测仪器来检测空气中的污染物浓度。由于仪器的成本较高,国家通过在每个城市设立监测站来检测空气质量,这种空气质量检测方法是粗粒度的,不能覆盖城市的每个角落。而基于图像检测空气质量算法旨在通过移动设备采集的图像来检测图像拍摄当时的空气质量等级。现在移动设备的普及使得通过图像细粒度检测空气质量成为可能。所以,基于图像检测空气质量算法研究是一项非常有意义的课题。本文在已有的研究基础上提出了一种考虑相对湿度影响基于图像检测PM2.5浓度的方法,给出了一种克服相对湿度影响的解决策略。同时我们还提出了一种通用的不受地点限制的空气质量等级检测算法,并设计实现了基于图像的空气质量等级检测系统。本文的工作主要包括以下三个部分:(1)研究了基于图像检测空气中细颗粒物PM2.5浓度算法。通过大气成像物理模型和暗通道先验原理恢复出图像透射率矩阵。分析了相对湿度对图像透射率矩阵的影响,并提出了一种消除相对湿度影响的图像透射率矩阵和空气中PM2.5浓度关系模型,利用机器学习方法拟合该关系模型得到模型参数。在我们构建数据集上的实验结果表明我们提出的算法明显优于已有的方法。(2)提出了一种通用的不受地点限制的基于图像的空气质量等级检测方法。本方法是无参考图像质量评价算法的一种延伸,利用空气污染对图像彩色通道和灰度通道信息熵的影响来构建空气质量等级检测模型。在我们的数据集上从估计精度到建模耗时对比了本算法和其他已有的相关算法,实验结果表明我们的算法比其他的算法更适用于空气质量检测。(3)设计实现了一个基于图像的空气质量等级检测系统。该系统能够快速准确地估计用户给定图像拍摄当时的空气质量状况,可以帮助人们方便的获取周边空气质量情况合理规划日程避免空气污染对身体带来的伤害。