1.一种基于径向基函数神经网络建立的环境照度测量方法，其特征在于，包括以下步骤：

S1、在被测环境区域中布设摄像设备，并选取一处参考点，在参考点处布设照度传感器；

S2、采用摄像设备获取若干个测量点及参考点的灰度图像信息，利用照度传感器获取参考点的照度数据，使用照度计测量若干个测量点的照度数据，生成图像变量单值函数，计算出每个测量点的图像变量值，建立训练数据集；数据集由每个测量点的图像变量值与每个测量点对应的照度数据构成；

S3、使用径向基函数神经网络，以每个测量点的图像变量值作为输入值，以每个测量点对应的照度数据作为输出值对径向基函数神经网络进行训练，得到训练好的径向基函数神经网络；

S4、使用训练好的径向基函数神经网络进行对照明工作面照度分布的测量。

2.根据权利要求1所述的一种基于径向基函数神经网络建立的环境照度测量方法，其特征在于，S2中，图像变量单值函数为E0为参考点的照度值，D0为参考点的灰度值，D(x,y)代表某测量点的灰度值，θ(x,y)代表某测量点的图像变量值。

3.根据权利要求1所述的一种基于径向基函数神经网络建立的环境照度测量方法，其特征在于，径向基函数神经网络采用径向基函数表示为：式中，

j j

n为隐层节点数目，Φ‖X‑X‖为径向基函数，wj为线性组合权值，X为隐层径向基函数中心。

训练时，用θ(x,y)代替X输入，输出为E(x,y)代替g(x)，使用训练数据集对径向基函数进行训练，得到线性组合权值和隐层径向基函数中心。

4.根据权利要求1所述的一种基于径向基函数神经网络建立的环境照度测量方法，其特征在于，图像变量单值函数的建立过程为：先建立相机曝光量与图像灰度值之间的关系，如下：D＝γ·lgH+m                  (1)其中D为灰度值，H为相机曝光量，γ、m由感光材料决定，且为常数；

在相机中，曝光量H的大小同相面照度Eξ存在如下关系：H＝Eξ·T                     (2)其中T为图像传感器的曝光时间；

相面照度表示为：

式中，τ为镜头的投射系数；B为被测量物体的实际亮度，F为相机的光圈数；将公式(1)～(3)合并得到：

其中G为图像传感器增益；

由(4)式变换得到：

令 λ为一个常数，则得到：对于非发光体，亮度B等于照度E与物体表面反射率ρ的乘积，B＝ρ·E，最终得到关系式：

当对公式(7)两边同时取对数后，得到：进一步变换得到：

由公式(9)建立图像变量单值函数。

5.根据权利要求1所述的一种基于径向基函数神经网络建立的环境照度测量方法，其特征在于，径向基函数进行训练过程具体为：先初始化只含一个隐层节点的径向基函数神经网络，然后采用迭代法，根据均方误差的变化向网络中增加或减少隐层节点数，得到均方误差最小时隐层节点数对应的网络。

6.根据权利要求1所述的一种基于径向基函数神经网络建立的环境照度测量方法，其特征在于，摄像设备采用摄像头或相机。

7.实现权利要求1～6任意一项所述的环境照度测量方法的一种环境照度监测系统，其特征在于，包括摄像设备、照度传感器和嵌入式计算机；摄像设备和照度传感器与嵌入式计算机连接；

摄像设备布设在被测环境区域中，并选取一处参考点，照度传感器布设在参考点处；

嵌入式计算机中安装有用于承载径向基函数神经网络模型的计算模块。

8.根据权利要求7所述的一种环境照度监测系统，其特征在于，照度传感器通过网络适配器与嵌入式计算机连接，摄像设备通过RJ45通讯接口与嵌入式计算机连接。