科研之友
微信
新浪微博
Facebook
分享链接
摘要
在视频监控及智能交通等领域，雾、雨、雪等恶劣天气会严重影响视频图像能见度，因此快速识别出当前的天气情况，并自适应地对监控视频进行清晰化处理极为重要。针对传统天气识别方法效果差以及天气图像数据集缺乏的问题，构建了一个多类别天气图像分块数据集，并提出了一种基于图像分块与特征融合的天气识别算法。该算法基于传统方法提取平均梯度、对比度、饱和度、暗通道4种特征作为天气图像的浅层特征，基于迁移学习对VGG16预训练模型进行微调，提取微调模型的全连接层特征作为天气图像的深层特征，将天气图像浅层特征与深层特征融合作为最终特征用于训练Softmax分类器，实现对雾、雨、雪、晴4类天气图像的识别。实验结果表明，所提算法能达到99.26%的识别准确率，并且可作为天气识别模块应用于自适应视频图像清晰化处理系统。
- 单位
