System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及基于图像的垃圾分类方法研究中的垃圾图像处理领域,尤其涉及一种垃圾分类图像感兴趣区域自适应获取方法。
技术介绍
1、垃圾分类是指将生活垃圾按照一定的分类标准进行分门别类,以便进行有效的资源回收和环境保护,是城市环保治理的重要手段和科研领域的重要研究方向。图像处理技术通过分析和处理垃圾图像信息,能够帮助提高垃圾分类的准确性和效率。识别感兴趣区域是图像处理中的一项关键任务,主要用于确定图像中包含有关键信息的特定区域。常见用于垃圾分类的识别感兴趣区域的方法有目标检测算法、图像分割算法等,因其基于深度学习方法,通常需要大量标注数据进行训练,所需计算资源大,影响实时性能。在数据量较少,对实时性要求较高的简单垃圾分类任务上,传统的图像分割方法更为有效。但是传统的图像分割方法通常采用固定的阈值对图像中的像素进行划分,这种方法在不同场景和光照条件下的垃圾图像中表现不一致,导致分割效果欠佳,感兴趣区域识别不准确。
技术实现思路
1、针对上述问题,本专利技术提供一种垃圾分类图像感兴趣区域自适应获取方法,以解决垃圾分类图像处理中感兴趣区域获取不准确的问题。
2、本专利技术的技术方案为:
3、一种垃圾分类图像感兴趣区域自适应获取方法,包括如下步骤:
4、步骤1:获取彩色的垃圾图像,分别提取垃圾图像的r、g、b三通道灰度图,并获得每个像素在三个灰度图下对应的像素值其中为第i行第j列处像素点在图像的r通道下的像素值,为第i行第j列处像素点在图像的g通道下的像素值
5、步骤2:根据每个像素点在三个灰度图下对应的像素值计算垃圾图像中像素点的平均饱和度;
6、
7、
8、其中,sij第i行第j列处像素的饱和度,为垃圾图像像素的平均饱和度,n为垃圾图像中像素的数量;
9、步骤3:计算垃圾图像中像素点的分割指数y;
10、步骤3.1:在垃圾图像的r通道灰度图像中,计算r通道的分割指数yr;
11、根据像素值计算分割指数的公式为:
12、
13、
14、其中,xi,j为第i行第j列处像素点的像素值,f(xi,j)为像素值xi,j对应的分割指数,k为参与计算分割指数的像素点位置增量,α为分割系数。
15、利用分割指数的公式计算r通道灰度图像中像素点的分割指数yr:
16、
17、其中,yr为像素值对应的r通道的分割指数。
18、步骤3.2:在垃圾图像的g通道灰度图像中,计算g通道的分割指数yg;
19、利用分割指数的公式计算g通道灰度图像中像素点的分割指数yg:
20、
21、其中,yg为像素值对应的g通道的分割指数;
22、步骤3.3:在垃圾图像的b通道灰度图像中,计算b通道的分割指数yb;
23、利用分割指数的公式计算b通道灰度图像中像素点的分割指数yb:
24、
25、其中,yb为像素值对应的b通道的分割指数。
26、步骤3.4:计算垃圾图像中每个像素点的分割指数y;
27、y=yr+yg+yb
28、其中,y为垃圾图像中每个像素点的分割指数;
29、步骤4:计算垃圾图像中像素点的自适应分割阈值t;
30、步骤4.1:将垃圾图像中的全部像素点按照分割指数由小到大排列,全部像素点个数记为n;
31、步骤4.2:计算图像中各像素点的rgb像素均值;
32、
33、其中,mij为垃圾图像中第i行第j列处像素点的rgb像素均值;
34、步骤4.3:根据各像素点的rgb像素均值,计算图像的对比度c;
35、
36、其中,c为图像的对比度,mmax为rgb像素均值的最大值,mmin为rgb像素均值的最小值。
37、步骤4.4:根据图像的对比度c及垃圾图像中像素的数量计算中间变量nc值,并将第nc个像素点的分割指数设为分割阈值t;
38、中间变量nc值的计算公式如下:
39、
40、其中,nc为中间变量;
41、步骤5:将分割指数大于分割阈值t的像素点记为分割边界,并绘制垃圾图像的掩码图;
42、步骤6:提取垃圾图像的感兴趣区域;
43、步骤6.1:在垃圾图像中剪裁掩码图的四周灰度值全为零的行和列;
44、步骤6.2:当剪裁后图像为矩形时,利用白色背景将剪裁后图像补充为正四边形,确保剪裁后图像处于新图像的正中间。
45、步骤6.3:利用插值法将新图像大小调整为设定大小,得到垃圾图像的感兴趣区域。
46、与现有技术相比较,本专利技术的有益效果为:
47、与现有技术相比,本专利技术的优势在于采用了自适应分割阈值的创新方法。传统的垃圾图像处理方法通常采用固定的阈值进行图像分割,这在不同场景和光照条件下的垃圾图像中表现不一致,导致分割效果难以令人满意。而本专利技术通过引入对比度和饱和度的自适应计算,克服了这一限制。通过动态地根据图像自身特性调整分割阈值,能够更好地适应图像的变化,从而提高了分割效果的稳定性和准确性。在光照条件不断变化的实际应用中,传统方法可能因为阈值选择不当而导致误判或漏判。而本专利技术的自适应分割阈值方法使得系统更具适应性,能够在各种复杂情境下更为可靠地识别和提取垃圾图像中的感兴趣区域。这种自适应方法不仅能够提高垃圾分类系统的鲁棒性,还能降低对预先设定参数的依赖性。通过根据图像内容自动调整分割阈值,能够更灵活地应对多变的实际情况。因此,本专利技术在提高分割效果、应对复杂场景以及稳定分割效果等方面具有显著的优势。
本文档来自技高网...【技术保护点】
1.一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,步骤2中所述平均饱和度的计算方法为:
3.根据权利要求1所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,步骤3具体包括:
4.根据权利要求1所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,步骤4具体包括:
5.根据权利要求1所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,步骤6具体包括:
6.根据权利要求4所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,所述各像素点的RGB像素均值为:
7.根据权利要求4所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,所述图像的对比度C为;
【技术特征摘要】
1.一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,步骤2中所述平均饱和度的计算方法为:
3.根据权利要求1所述的一种垃圾分类图像感兴趣区域自适应获取方法,其特征在于,步骤3具体包括:
4.根据权利要求1所述的一种垃圾分类图像感兴趣区域自适应获取...
【专利技术属性】
技术研发人员:王泓潇,张鼎森,商凯丞,刘赛,金泳男,王君,
申请(专利权)人:东北大学,
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。