[发明专利]一种视觉多特征引导的建筑垃圾精细分类方法

说明书

一种视觉多特征引导的建筑垃圾精细分类算法，包括以下步骤；步骤1)通过视觉传感器采集样本并预处理；步骤2)：基于图像的全局信息，提取样本的颜色特征并编码；步骤3)：基于图像的局部信息，提取样本的纹理特征并编码；步骤4)：构建建筑物料的颜色‑纹理统计特征；步骤5)：将颜色特征和颜色‑纹理统计特征分别输入分类器，训练分类模型，获得两个来自不同空间的证据矩阵；步骤6)：根据证据矩阵设计有效的决策模型，输出决策矩阵；步骤7)：根据决策矩阵中概率最大者的类别确定待分拣物料的标签。本发明能够有效的决策分类模型，确定物料的类别标签，实现对目标的精准识别。

技术领域

本发明属于模式识别与机器视觉技术领域，特别涉及一种视觉多特征引导的建筑垃圾精细分类方法。

背景技术

现有的回收设备大多经过除铁、破碎、筛分、磁选等工序，效率低、操作工序复杂。同时，人工分拣的存在提高了资源再利用的成本。此外，恶劣的工作环境将影响工作人员的身体健康。因此建立高效，快速的分拣设备已成为提高建筑垃圾利用率的重要途径。

近十年来随着机器视觉技术的发展，模式识别理论凭借其独特的优势被应用于各行业。在建筑垃圾识别领域，部分学者提出使用颜色特征对密度相近的砖块和石块分离。也有学者提出使用体积、重量等特征对建筑物料分类。但上述方法都针对两类建筑物料分类问题提出，可扩展性差，无法满足工业上对多种物质分类的实际需求。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供一种视觉多特征引导的建筑垃圾精细分类方法，该方法基于模式识别、机器视觉理论，提取建筑物料的信息并构建新的显著特征，实现了对多种类物料的精确分类。

为了实现上述目的，本发明采用的技术方案是：

一种视觉多特征引导的建筑垃圾精细分类方法，包括以下步骤；

步骤一、通过视觉传感器采集建筑垃圾目标样本图像，并将其二值化；

步骤二、基于图像的全局信息，提取样本的颜色特征并编码构成

步骤三、基于图像的局部信息，提取样本的纹理特征并编码构成

步骤四、构建建筑物料的颜色-纹理统计特征

步骤五、将和特征分别输入分类器，训练分类模型。测试图像经分类模型后输出两个证据矩阵

步骤六、根据步骤五中证据设计决策模型，输出决策矩阵

步骤七、根据决策矩阵中概率最大者的类别确定待分拣物料的标签。

所述步骤二中提取样本颜色特征并编码的方法为：

首先，将视觉传感器采集的RGB图像转换到HSV颜色空间，其中H表示色调，S表示饱和度，V表示亮度，提取图像H通道信息以表示物体的颜色特征，公式如下；

式中,max和min满足：max＝max(R,G,B)，min＝min(R,G,B)；

然后，对H通道信息进行直方图统计，得到颜色特征

所述步骤三中提取样本图像的纹理特征并编码的方法为：

步骤3.1、提取局部纹理特征：

首先，将步骤一中的二值图像划分为若干个含有32×32像素的子区域，确定细胞的大小为16×16的像素，块的大小为2×2的细胞，提取像素(x,y)四邻域像素灰度值N(x,y+1)、N(x,y-1)、N(x+1,y)、N(x-1,y)；

然后，通过以下公式计算每个像素的梯度幅值和梯度方向；

最后，级联块中细胞的方向梯度直方图，并使用1×36维的向量表示每个子区域的无符号梯度方向的分布；