[发明专利]一种基于大数据的垃圾图像收集方法及系统

权利要求书

1.一种基于大数据的垃圾图像收集方法，其特征在于，所述方法包括：

获取大量图像，并利用灰度图转换方法将图像转换为灰度图；

利用高斯滤波器对灰度图进行降噪处理，得到降噪图像；

利用颜色估计模型对降噪图像进行阴影去除，得到无阴影的降噪图像；

利用基于空间阈值的背景分割方法对无阴影的降噪图像进行前景背景的分割，得到前景图像；

利用基于相邻特征信息融合的垃圾检测算法对前景图像进行垃圾图像的检测，将检测到的垃圾图像构建为垃圾图像数据集，实现垃圾图像的收集。

2.如权利要求1所述的一种基于大数据的垃圾图像收集方法，其特征在于，所述利用灰度图转换方法将图像转换为灰度图，包括：

所述图像的灰度图转换公式为：

Gray_(i，j)＝R_(i，j)×0.314+G_(i，j)×0.591+B_(i，j)×0.113

其中：

R_(i，j)，G_(i，j)，B_(i，j)为图像像素(i，j)在R，G，B三个颜色分量中的像素值；

Gray_(i，j)为像素(i，j)的灰度值。

3.如权利要求2所述的一种基于大数据的垃圾图像收集方法，其特征在于，所述利用高斯滤波器对灰度图进行降噪处理，包括：

所述基于高斯滤波器的降噪公式为：

其中：

(i，j)表示灰度图的像素点；

ω表示高斯模板在像素点(i，j)的权值；

g(i，j)表示降噪后的像素点(i，j)；

σ为平滑程度参数，将其设置为图像像素的标准差。

4.如权利要求3所述的一种基于大数据的垃圾图像收集方法，其特征在于，所述利用颜色估计模型对降噪图像进行阴影去除，包括：

1)使用概率密度估计方法计算像素i在RGB颜色通道上的期望颜色值E_i，并计算像素i在RGB颜色通道上的实际颜色值X_i，其中像素i的期望颜色值E_i和实际颜色值X_i的表示如下所示：

E_i＝[μ_R(i)，μ_G(i)，μ_B(i)]

X_i＝[X_R(i)，X_G(i)，X_B(i)]

其中：

μ_R(i)，μ_G(i)，μ_B(i)分别表示像素i邻近9个像素在RGB颜色通道上的颜色均值；

2)计算像素i的亮度失真λ_i：

其中：

σ_R(i)，σ_G(i)，σ_B(i)分别表示像素i邻近9个像素在RGB颜色通道上的颜色标准差；

3)计算像素i的颜色失真

4放置阴影像素阈值，根据像素的亮度失真和颜色失真进行像素的分类；所述像素分类公式为：

α₂＝1/(1-ε)

其中：

α₁为确定期望值和当前值之间色度差异的阈值，本发明将α₁设置为0.7；

α₂为归一化阈值；

ε为归一化亮度失真的下限。