[发明专利]一种基于迁移学习的图像能见度检测方法

摘要

本发明公开了一种基于迁移学习的图像能见度检测方法，包括：能见度检测模型训练：对训练集图像区域划分，通过预训练的VGG‑16深度神经网络编码，提取各子区域图像特征，利用各子区域图像特征和能见度标注值训练支持向量回归机，得到能见度的回归模型。能见度检测模型测试：对测试图像区域划分，通过预训练的VGG‑16深度神经网络编码，提取各子区域图像特征，利用子区域图像特征和回归模型计算子区域能见度估计值，融合各子区域能见度估计值，得到整幅图像能见度检测值。

主权项

1.一种基于迁移学习的图像能见度检测方法，其特征在于，包括以下步骤：步骤1，训练能见度检测模型：输入训练集图像，对训练集中每幅图像进行子区域图像划分；通过预训练的VGG‑16深度神经网络编码，提取各子区域图像对应的N维特征向量；利用各子区域图像特征向量和能见度标注值训练支持向量回归机，得到能见度检测模型；步骤2，能见度检测模型测试：输入测试图像，对测试图像进行子区域图像划分；通过预训练的VGG‑16深度神经网络编码，提取各子区域图像对应的N维特征向量；将各子区域图像特征向量代入步骤1训练的能见度检测模型，经回归预测得到各子区域能见度估计值；融合各子区域能见度估计值，输出整幅图像能见度检测值。