计算机应用

作者：郭志强, 胡永武, 刘鹏, 杨杰

单位：1. 宽带无线通信与传感器网络湖北重点实验室(武汉理工大学), 武汉 430070;2. 武汉理工大学 信息工程学院, 武汉 430070

关键词：图像分类,深度学习,天气识别,天气特征提取,特征融合,AlexNet

天气状况对室外视频设备的成像效果有很大影响。为实现成像设备在恶劣天气下的自适应调整，从而提升智能监控系统的效果，同时针对传统的天气图像判别方法分类效果差且对相近天气现象不易分类的不足，以及深度学习方法识别天气准确率不高的问题，提出了一个将传统方法与深度学习方法相结合的特征融合模型。融合模型采用4种人工设计算法提取传统特征，采用AlexNet提取深层特征，利用融合后的特征向量进行图像天气状况的判别。融合模型在多背景数据集上的准确率达到93.90%，优于对比的3种常用方法，并且在平均精准率（AP）和平均召回率（AR）指标上也表现良好；在单背景数据集上的准确率达到96.97%，AP和AR均优于其他模型，且能很好识别特征相近的天气图像。实验结果表明提出的特征融合模型可以结合传统方法和深度学习方法的优势，提升现有天气图像分类方法的准确度，同时提高在特征相近的天气现象下的识别率。

来源：2020年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第4期