如今,全球大气污染日趋严重,雾霾严重地影响着人们的日常生活与生产。而由于目前城市雾霾监测点数量少,密度低,且成本较高。我们对雾霾尚不能形成低成本细粒度的检测。但随着科技的发展,尤其是通信技术的发展与相关硬件水平的提高,及内置大量先进传感器的智能终端的口益普及。人们利用配备较高像素的摄像头,便可以获取到大量的图像信息。但目前学术界尚没有提出一种利用智能手机且不借助外部传感器分析PM2.5浓度的方法。相关研究大部分都集中在基于专业传感器的空气质量检测。此外,随着结合参与式感知(Participatory Sensing)理论的发展,一些新的应用场景不断被提出。参与式感知系统具有覆盖面广、数据丰富、不需要额外硬件投资等优点,能够向基于移动协作感知网络的应用提供全面、便捷、深度的数据。因此,本课题提出了结合移动参与式感知的基于图像分析的大气质量检测算法,并实现一个集数据收集,处理,分析的空气质量检测系统,从而可以有效地实现空气质量检测低成本化,细粒度化。本课题主要提出了两种有效的方法使用参与者所收集到的雾霾图像进行图像特征提取与分析,这些图像特征将被用来建立PM2.5估计模型,从而进行PM2.5浓度估计。为了验证算法有效性,本课题收集了长达6个月的4个在不同地点使用不同型号手机拍摄的图像数据集,并在其上进行了大量实验分析,以验证算法的可行性及系统性能。论文首先对空气质量检测及参与式感知的相关理论和技术背景以及系统开发中所使用的开发技术进行介绍。之后详细描述了基于图像分析的PM2.5估计方法,并且分别阐述了两种不同的PM2.5估计方法的实现原理与异同比较。随后,论文继续介绍了PM2.5估计系统的总体设计,架构及模块设计。接下来分别描述了系统客户端与服务器端的详细设计与内部各个子模块的设计与实现；最后,通过在数据集上进行大量的实验对PM2.5估计算法进行了实验分析,并且对最终系统进行了系统测试及效果展示,从而表明整个系统的运行结果达到了预期的设计目标。