【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及基于机器视觉的城市道路垃圾智能监测系统。
技术介绍
1、采用机器视觉技术实现垃圾监测可以提高监测的效率，减轻人力负担，并降低相关的运营成本。智能监测系统可以帮助城市管理者更好地了解垃圾积聚情况，从而采取有针对性的管理和清理措施。在对道路垃圾监测的过程中，常对道路垃圾桶的图像进行采集和去噪，再采用神经网络对去噪后的道路垃圾桶图像中的垃圾桶进行识别。
2、目前，通常使用中值滤波对道路垃圾桶的图像进行去噪，减少噪声对图像的影响，提高图像质量，但是，当图像边缘附近存在噪声时，采用中值滤波去噪的同时会模糊图像细节，影响到后续道路垃圾桶的识别，不利于检测垃圾桶内冗余情况。
技术实现思路
1、本专利技术提供基于机器视觉的城市道路垃圾智能监测系统，以解决去噪时图像细节被模糊导致的城市道路垃圾监测情况不准确的问题，所采用的技术方案具体如下：
2、本专利技术一个实施例提供了基于机器视觉的城市道路垃圾智能监测系统，该系统包括以下模块：
3、数据采集模块，采集垃圾桶图像，获取边缘像素点；
4、平面拟合优度获取模块，建立像素点的特征窗口，建立立体灰度柱状图，根据立体灰度柱状图，获取像素点的噪声表现程度，确定像素点的最近边缘距离，确定像素点的最近边缘梯度，根据像素点的最近边缘距离、最近边缘梯度和噪声表现程度，获取像素点的平面拟合优度；
5、修正像素点获取模块，根据像素点的特征窗口内包含的像素点的灰度值，确定像素点的中值
6、校正中值灰度获取模块，确定修正像素点的非中心点，获取非中心点的梯度差异夹角，获取非中心点的灰度差异和，根据修正像素点的非中心点的梯度差异夹角、灰度差异和以及噪声表现程度，确定非中心点的权重，根据修正像素点的特征窗口内非中心点的权重，对修正像素点的中值灰度进行加权，获取修正像素点的校正中值灰度；
7、垃圾监测模块，根据修正像素点的校正中值灰度对垃圾桶图像去噪，获取去噪后的垃圾桶图像，根据去噪后的垃圾桶图像实现城市道路垃圾的智能监测。
8、进一步，所述建立像素点的特征窗口的方法为：
9、将以像素点为中心像素点，以边长为第一预设阈值的窗口记为像素点的特征窗口。
10、进一步，所述获取像素点的噪声表现程度的方法为：
11、对像素点的特征窗口对应的立体灰度柱状图进行二维平面拟合，将像素点的灰度值与拟合二维平面的拟合值的差值的绝对值记为像素点的噪声表现程度。
12、进一步，所述确定像素点的最近边缘距离的方法为：
13、将像素点与最近的边缘像素点之间的欧氏距离记为像素点的最近边缘距离。
14、进一步，所述根据像素点的特征窗口内包含的像素点的灰度值，确定像素点的中值点的方法为：
15、将像素点的特征窗口内包含的所有像素点的灰度值的中值记为像素点的中值灰度，将中值灰度对应的像素点记为特征窗口的中心像素点的中值点。
16、进一步，所述根据修正可能性，标记修正像素点的方法为：
17、将修正可能性大于修正阈值的像素点标记为修正像素点。
18、进一步，所述确定修正像素点的非中心点的方法为：
19、将修正像素点的特征窗口内，除中心像素点外所有像素点，记为修正像素点的非中心点。
20、进一步，所述获取非中心点的梯度差异夹角的方法为：
21、将分别以修正像素点和修正像素点的非中心点为起点和终点的向量的方向记为修正像素点的非中心点的方向，将修正像素点的非中心点的方向与修正像素点的梯度方向之间的夹角记为修正像素点的非中心点的梯度差异夹角。
22、进一步，所述根据修正像素点的校正中值灰度对垃圾桶图像去噪，获取去噪后的垃圾桶图像的方法为：
23、对垃圾桶图像中的不是修正像素点的像素点进行中值滤波去噪，将修正像素点的校正中值灰度作为灰度值，获取去噪后的垃圾桶图像。
24、进一步，所述根据去噪后的垃圾桶图像实现城市道路垃圾的智能监测的方法为：
25、对去噪后的垃圾桶图像采用yolo5模型处理，获得垃圾桶图像中的垃圾桶区域；
26、当同一个相机获取的相邻的两个采集时间的垃圾桶图像中的垃圾桶区域，包含的灰度级个数的差值的绝对值大于限定阈值时，认为垃圾桶溢满，提醒工作人员对垃圾桶清理。
27、本专利技术的有益效果是：
28、本专利技术从中值滤波去噪时，位于图像边缘附近的像素点易受到边缘的影响，导致去噪效果不佳，模糊图像细节的问题出发，首先，分析像素点受到噪声的偏差影响的程度，判断像素点的灰度值的可信程度，即获取像素点的平面拟合优度；然后，结合像素点受到边缘像素点的影响程度，判断像素点直接进行中值滤波受到的影响程度，确定像素点的修正可能性，根据修正可能性确定修正像素点，修正像素点即为直接进行中值滤波去噪会导致图像细节模糊，需要进行调整的像素点；根据修正像素点的特征窗口内像素点的灰度分布，确定进行中值滤波时，对修正像素点的灰度值的校正值，获取修正像素点的校正中值灰度，根据修正像素点的校正中值灰度对垃圾桶图像去噪，获取去噪后的垃圾桶图像，根据去噪后的垃圾桶图像实现城市道路垃圾的智能监测，解决去噪时图像细节被模糊导致的城市道路垃圾监测情况不准确的问题。
本文档来自技高网...【技术保护点】
1.基于机器视觉的城市道路垃圾智能监测系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述建立像素点的特征窗口的方法为：
3.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述获取像素点的噪声表现程度的方法为：
4.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述确定像素点的最近边缘距离的方法为：
5.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述根据像素点的特征窗口内包含的像素点的灰度值，确定像素点的中值点的方法为：
6.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述根据修正可能性，标记修正像素点的方法为：
7.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述确定修正像素点的非中心点的方法为：
8.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述获取非中心点的梯
9.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述根据修正像素点的校正中值灰度对垃圾桶图像去噪，获取去噪后的垃圾桶图像的方法为：
10.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述根据去噪后的垃圾桶图像实现城市道路垃圾的智能监测的方法为：
...【技术特征摘要】
1.基于机器视觉的城市道路垃圾智能监测系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述建立像素点的特征窗口的方法为：
3.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述获取像素点的噪声表现程度的方法为：
4.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述确定像素点的最近边缘距离的方法为：
5.根据权利要求1所述的基于机器视觉的城市道路垃圾智能监测系统，其特征在于，所述根据像素点的特征窗口内包含的像素点的灰度值，确定像素点的中值点的方法为：
6.根据权利要求1所述的基于机器视...
【专利技术属性】
技术研发人员：翟家乐，
申请(专利权)人：东莞市杰瑞智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。