近几年来,国内的雾霾污染已呈常态化趋势,社会各界对雾霾污染问题越来越重视。雾霾天气不仅会危害人们的健康,还会给人们的出行带来不便。特别是在高速公路路段,容易发生突发性团雾,极大地威胁着人们的行车安全。因此,对能见度实施准确的检测是解决该问题的重要环节之一,但是现有的设备和方法,准确性和普及型仍然有待提高。目前,基于雾霾视频图像的能见度检测已引起了国内外研究学者的广泛关注。本文针对上述问题,基于江苏省高速公路的雾霾视频图像展开研究,提出了三个雾霾能见度检测算法,主要阐述如下:首先,鉴于Inception网络的提出,其在图像处理领域具有广泛的适用性,可以有效地提取图像信息。而对于雾霾图片的能见度检测而言,Inception V4网络由于其网络结构有着良好的性能,并且计算量低,网络的训练速度相较于之前的网络有着显著地提高,因此本文在Inception网络的基础上,对雾霾能见度检测展开研究。本文研究并提出了一种基于Inception V4网络的雾霾能见度检测算法。基于Tensorflow框架搭建Inception V4网络,在数据预处理和网络结构方面做了略微调整以适应本文数据集,从而构建雾霾能见度与雾霾图片的关系。大量的实验结果验证了算法的有效性。其次,本文在研究了图像频谱相关理论的基础上,提出了一种基于频谱分析与Inception V4网络的雾霾能见度检测算法。由于雾霾产生后,摄像机所捕获到的图片,其能量向低频部分聚集,因此本文利用离散余弦变换获取图像频谱信息,并提取部分频谱低频信息出来,作为权重系数较高的参量,导入Inception V4网络中参与训练。针对数据集利用Inception V4网络构建图像频谱信息与能见度值之间的关系,实验结果证明,该算法具有较好的准确性。最后,通过上述两种算法的探索,发现Inception网络结构很深,在对图像特征提取时,其低层的细节特征信息损失较大。而针对雾霾图片而言,这部分的特征信息对于能见度检测来说帮助较大。因此本文在分析了Inception V4网络在构建图像与能见度值关系不足的基础上,针对高速公路路段雾霾图片特性对Inception V4网络提出改进,增加了对雾霾图像细节特征信息的提取。然后针对原始图片和图片频谱信息分别进行实验。实验结果表明,改进的网络在进行能见度检测时效果有了明显提升。最后,从多方面对本文的算法进行比较、分析。最终得到本文算法在对高速公路路段雾霾能见度时,效果较好,尤其适用于对低能见度值的检测,符合实际需求。