qX exp(_(x2+y 2)/P2进行二级滤除，其中q是将函数归一化的系数，即：JJqXexp(-(x2+y 2)/P2) dxdy = l，β为图像模板参数；
[0094]乘性噪声滤除后，含噪目标轮廓的弧长参数化方程表示为6〃(丨）'=6(〇+见(〇;假 设加性噪声为高斯白噪声:XN(t) ' = X(t)+gi(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中xN(t) ' 和 yN(t)'分别表示去除乘性噪声后含噪轮廓上各点坐标，gl(t，〇 2)和g2(t，〇2)分别是均值为 零、方差为σ 2的高斯白噪声，用于模拟含噪目标轮廓中的加性噪声；
[0095]
含噪轮廓进行平滑，命名为Κ滤波器，经过轮廓点分类和 区域划分，含噪轮廓GN(t) '表示为不同类型轮廓分段的组合：GN(t)' =Σ? Gf (t) + Σ? (t)，其 中Gf (t)表示包含特征区域的轮廓分段，(t)表示包含非特征区域的轮廓分段，根据轮廓 特征分布选取K滤波器的参数，同时考虑全局特征和局部特征因素，在特征区域，为了保留细节 信息，令σ S η?η(σ? X σ：^，在非特征区域，关注抑制噪声的效果，令σ > max(o'，p0 X σ0)， 其中σ'为先验估算得到的全局方差，〇1为所选特征区域的先验估算方差，为所选非特征区 域的先验估算方差，Pi为所选特征区域的平均实时曲率修正系数，Ρα为所选非特征区域的 平均实时曲率修正系数;为了达到较好的平滑效果，选取每种类型区域最小长度S的一半作 为Κ滤波器85%置信区间的长度，从而根据两类区域的长度自适应不同参数的Κ滤波器。 [0096] 在此实施例中，S = 25，阈值Τ! = 0.26，窗函数宽度D e {17，19}，对噪声强度I e {50dB，60dB}的含噪图像有较佳的平滑效果，且细节信息保留情况较好，垃圾分类处理装置 通过目标轮廓识别目标，识别过程中能有效滤除目标轮廓噪声，与手工作业相比，垃圾的分 类速度提高了 90 %，对垃圾的正确分类也达到了 90 %以上。
[0097]最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
[0098]数据仿真
[0099]本垃圾分类处理装置的有益效果为:针对噪声种类的多样性和目前去噪方法的单 一性，采用一种新型的多次滤波装置，并提出了新的轮廓分段、合并手段和滤波函数;计算 量相对并不复杂，同时考虑了全局特征和局部特征的因素且平滑除噪效果好;考虑了轮廓 在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡;根据不同点 的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象。
[0100]通过仿真，采用该装置在噪声强度N下进行试验，对目标的识别率如下表：
【主权项】
1. 一种具有快速分类功能的垃圾分类处理装置，包括普通垃圾分类处理装置和安装在 垃圾分类处理装置上的目标识别装置，该垃圾分类处理装置具有很强的垃圾分类处理能 力，垃圾分类处理装置通过目标轮廓识别目标，识别过程中能有效滤除目标轮廓噪声，从而 根据轮廓对垃圾种类做出正确识别，其特征是，包括建模模块、分段模块、合并模块和滤波 模块;其中， 建模模块，用于建立目标轮廓的参数化方程:对于给定的目标轮廓G(t)，其弧长参数化 方程表示为6(〇 = ^(〇,7(〇)，其中义(〇和7(〇分别表示轮廓点的坐标，*表示轮廓曲线 方程的参数，且te[0，l]; 含噪轮廓的弧长参数化方程表示为:GN(t)=G(t)+Ni(t)+N2(t)G(t)，其中加性噪声部 分化(t)=化(xi(t)，yi(t))，乘性噪声部分化(t)=化(X2(t)，y2(t)); 分段模块，用于对轮廓的分段：目标轮廓G(t)和含噪轮廓GnU)所对应的曲率分别为k (t)和kN(t);选宽度为D的窗函数胖(11)，0￡{7,9}，对曲率1?4)进行邻域平均，得到平均曲率 klN( t)，同时对窗口内的曲率值排序，选定中值曲率k2N( t)，将平均曲率klN( t)和中值曲率k2N (t)差的绝对值与选定的阔值Τι进行比较，根据比较结果决定含噪轮廓曲率k%(t)，Ti = 0.2,BP： 当 |ki^t)-k2N(t) I >Ti时，k'N(t)=ki^t) 否贝 lJ，k'N(t)=k2N(t); 由于曲率值较大的轮廓点通常反映了目标的显著特征，根据k^N(t)将轮廓中所有轮廓 点划分为特征点或非特征点，设定可变权值Τκ，通过判断目标轮廓特征多少，自适应的决定 Τκ， 当 |k'N(t) I <TK*max|k'N(t) I 时，特征函数f(t)=0 否则，特征函数f(t) = l。2. 根据权利要求1所述的垃圾分类处理装置，其特征还在于，合并模块：用于剔除由于 噪声干扰产生的伪特征点，W及对无法形成连续区域的特征点和非特征点进行合并操作， 从而得到有效的特征区域与非特征区域:选定一个起始点0,轮廓起始点向两侧延伸合并相 邻的点，W该起始点类型作为该区域预设类型，向两侧延伸各SXy〇时停止，其中S为预设的 最小长度，设S= 15，％〇点处的实时曲率修正系数，^代表0点的曲 率半径，^代表由上述窗函数得到自勺0点自勺平均曲率半径，实时曲率修E系数用于根 据不同点的曲率不同，自动修正延伸长度，能有效减小合并后的失真现象;分别计算两侧区 域内相异点的个数N+1和N-1，若相异点的个数小于设定的该类型相异点最小个数，则该区 域与预设类型相同，否则，与预设类型相反;再W两个停止点0+1和点0-1作为起始点重新开 始计算，向外侧延伸SXy日+域SXy日-拥停止，其中μ日+1和μ日-汾别代表点0+1和点0-1处的实时 曲率修正系数，Ou两侧区域内相异点个数为Ν+2,0-巧侧区域内相异点个数为Ν-2,根据上述 判定条件，依次确定各段轮廓类型，长度不足S的部分根据其与S的比例计算相异点个数，计 入相应的特征区域;对相邻的同类型区域进行合并，得到连续的特征区域和非特征区域； 滤波模块:乘性噪声由于和图像信号是相关的，随图像信号的变化而变化，采用维纳滤 波来进行一级滤除，此时图像信息还包含有残余的乘性噪音，通过F滤波器F(x，y) = qXexp (-(x2+y2)/护进行二级滤除，其中q是将函数归一化的系数，即JJqXe邱(-(x 2+y2)/护)dxdy = 1，β为图像模板参数； 乘性噪声滤除后，含噪目标轮廓的弧长参数化方程表示为GN(t)'=G(t)+Ni(t);假设加 性噪声为高斯白噪声：XN(t) ' = X(t)+gl(t，〇2)，yN(t) ' = y(t)+g2(t，〇2)，其中XN(t) ' 和yN (t)'分别表示去除乘性噪声后含噪轮廓上各点坐标，gl(t，〇2)和g2(t，〇2)分别是均值为零、 方差为的高斯白噪声，用于模拟含噪目标轮廓中的加性噪声； 采用函数巧含噪轮廓进行平滑，命名为K滤波器，经过轮廓点分类和区 域划分，含噪轮廓GnU)'表示为不同类型轮廓分段的组合：其中位f托)表示包含特征区域的轮廓分段，信(村表示包含非特征区域的轮廓分段，根据 轮廓特征分布选取K滤波器的参数，同时考虑全局特征和局部特征因素，在特征区域，为了 保留细节信息，令σ<min(σ''，jI!.xσl);在非特征区域，为了提高抑制噪声的效果，令 口 > max(o'，扣X σ〇)，其中(/为先验估算得到的全局方差，σι为所选特征区域的先验估算 方差，〇〇为所选非特征区域的先验估算方差，扭为所选特征区域的平均实时曲率修正系数， 齡为所选非特征区域的平均实时曲率修正系数;为了达到较好的平滑效果，选取每种类型 区域最小长度S的一半作为Κ滤波器85%置信区间的长度，从而根据两类区域的长度自适应 不同参数的Κ滤波器。
【专利摘要】本发明公开了一种具有快速分类功能的垃圾分类处理装置，包括普通垃圾分类处理装置和安装在垃圾分类处理装置上的目标识别装置，识别装置包括建模模块、分段模块、合并模块和滤波模块。本发明通过在垃圾分类处理装置上加装目标识别装置，能够有效增强垃圾分类处理装置对垃圾的处理能力，垃圾分类处理装置通过目标轮廓识别目标，识别过程中能有效滤除目标轮廓噪声，从而根据轮廓对垃圾种类做出正确识别。
【IPC分类】G06T5/00, G06K9/62, G06K9/48
【公开号】CN105701497
【申请号】CN201610012828
【发明人】陈杨珑
【申请人】陈杨珑
【公开日】2016年6月22日
【申请日】2016年1月7日