利用序数关系实现相对学习的雾图像能见度检测算法

针对雾图像的能见度检测在自动驾驶、气象预报等领域有巨大的研究和应用价值,而现有算法忽略了图像之间的序数关系的问题,提出一种利用序数关系进行相对学习的能见度检测算法.首先利用数据集中隐藏的序数关系约束网络学习过程,并将这种约束简化为图像特征三元组的相对距离关系,使得图像在特征空间的分布遵循序数规律;然后提取训练样本的能见度特征来构造查询库,通过在特征查询库中寻找近邻图像,得到测试样本的能见度检测结果.在公开的合成雾图像数据集(SF,FROSI)和构建的真实雾数据集(RDF)上进行了验证,实验结果表明,该算法取得了比现有的多分类、有序多分类等深度学习算法更好的效果,并且算法在训练过程中更加稳定,训练数据量要求更少,具有良好的稳健性和广阔的应用空间.