基于机器学习的能见度检测方法、装置、系统和存储介质

摘要

本申请涉及一种基于机器学习的能见度检测方法，包括采集历史图像和能见度等级值；提取历史图像的暗通道图像特征、图像梯度幅度特征和图像对比度幅度特征；将提取到的暗通道图像特征、图像梯度幅度特征和图像对比度幅度特征根据能见度等级值进行标注分类，得到多组训练样本；构建核函数为高斯核函数的支持向量机算法模型；使用训练样本训练并优化支持向量机算法模型，得到能见度等级检测模型；获取实时图像；将提取到的实时图像的暗通道图像特征、图像梯度幅度特征和图像对比度幅度特征输入能见度等级检测模型，得到能见度等级检测值。该方法大大降低了模型对样本数量的要求，采用小样本集也能得到较为精准的能见度等级检测结果。