目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,可以合理利用监控视频对能见度进行监测,因此本文提出一种基于视频的雾天能见度监测方法。该方法将图像划分若干个窗格,以均方差和平均梯度为监测因子,通过相关性分析筛选出最优兴趣窗格的图像特征矩阵,建立BP神经网络修正线性残差组合模型。通过本文研究得到以下结论:(1)以均方差和平均梯度为监测因子,最优兴趣窗格的亮度特征与能见度呈高度相关,说明亮度对比是能见度监测的关键性因素。东海和灌南场景对比分析可得,灌南场景以深色的树木为背景,降低目标物与背景的亮度对比,模型精度有所下降。而东海场景以浅色的天空为背景,目标物与背景形成较强对比,更有利于能见度监测。(2)能见度5000m以下,200m和1500m附近是能见度分段敏感区域,在此区域划分能见度区间并进行分段建模,可提高模型精度。通过随机森林算法对图像进行能见度区间判定,图像分类正确率在96%以上,表明随机森林算法对图像的能见度区间判定具有较强能力。(3)证实了基于BP神经网络修正线性残差组合模型具有精度高、误差小等优点。光线充足情况下,组合模型的相对误差在10%以下,模型精度相对稳定;光线较弱情况下,模型精度表现一般,相对误差控制在15%左右;组合模型监测效果优于单一线性回归模型,进一步提高了模型的精度和普适性,验证了该方法在测量雾天能见度具有可行性和有效性。