[發(fā)明專利]一種環(huán)境潔凈度檢測的圖像處理方法

有效

• 申請?zhí)枺?/td>: 201710438427.3
• 申請日: 2017-06-12
• 公開（公告）號: CN107341790B
• 公開（公告）日: 2019-10-22
• 發(fā)明（設計）人: 黃文愷;吳羽;李奕宏
• 申請（專利權）人: 廣州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/246;G06T7/254;G06T7/62;G06T7/90
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發(fā)明公開了一種環(huán)境潔凈度檢測的圖像處理方法，方法包括下述步驟：在人為條件下，對餐廳地板或者桌面在差到優(yōu)越之間分多個等級，分別提取相應的樣本存進樣本庫，并進行歸類，通過機器學習算法從多個角度和維度進行“學習”。具體算法包括：圖像灰度化、canny算法提取灰度圖的邊緣、樸素貝葉斯算法、幀差法、差分圖像二值化、提取運動區(qū)域輪廓，對運動區(qū)域進行判斷。本發(fā)明與現有技術相比具有較為準確地識別和分析目標區(qū)域的環(huán)境情況、受環(huán)境影響小、實時性強，從多個角度對環(huán)境進行評判與分析，評價結果可靠性強。

技術領域

本發(fā)明涉及圖像處理的技術領域，更具體地說，涉及一種環(huán)境潔凈度檢測的圖像處理方法。

背景技術

近年來，計算機視覺已成為計算機領域的研究熱點,而作為計算機視覺比較重要的圖像相似度對比，圖像色差分析以及在機器視覺應用廣泛的機器學習和概率統計等方面更是受到人們的高度重視。但是由于環(huán)境等自然和人為因素，機器視覺技術應用于實際很難達到高精度和實效性強。所以，能否較好地規(guī)避環(huán)境因素是衡量機器視覺算法好壞的關鍵。

目前，常用的檢測環(huán)境情況的機器視覺算法有以下幾種：

(一)Canny算子

最具代表性的算子是Canny算子，它是一個對于光照改變時仍然魯棒的分割算法。所以，采用高斯濾波器并選用雙閾值分割算法的Canny算子得到廣大科研工作者的喜愛，然而，Canny算子也具有濾波器不夠魯棒、梯度幅值算法不夠優(yōu)化、自適應能力差等缺點。本文運用樸素貝葉斯算法的概率統計、Canny算子、色差分析、特征點檢測以及幀間差分法的結合使用，使其更加適應環(huán)境多變的情況。

(二)Roberts算子

邊緣定位準，但是對噪聲敏感。適用于邊緣明顯且噪聲較少的圖像分割。Roberts算子只運用了當前像素的2*2鄰域，使用的像素值太少了。Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子,Robert算子圖像處理后結果邊緣不是很平滑。經分析，由于Robert算子通常會在圖像邊緣附近的區(qū)域內產生較寬的響應，故采用上述算子檢測的邊緣圖像常需做細化處理，邊緣定位的精度不是很高。

(三)PSNR算子

PSNR是最普遍和使用最為廣泛的一種圖像客觀評價指標，然而它是基于對應像素點間的誤差，即基于誤差敏感的圖像質量評價。由于并未考慮到人眼的視覺特性(人眼對空間頻率較低的對比差異敏感度較高，人眼對亮度對比差異的敏感度較色度高，人眼對一個區(qū)域的感知結果會受到其周圍鄰近區(qū)域的影響等)，因而經常出現評價結果與人的主觀感覺不一致的情況。

綜上所述，現有技術存在的問題是環(huán)境的識別效果受外界環(huán)境變化的影響較大，實效性較差，受到噪音的影響明顯。

發(fā)明內容

本發(fā)明的主要目的在于克服現有技術的缺點與不足，一種環(huán)境潔凈度檢測的圖像處理方法，能夠準確及時地檢測餐桌或桌面的衛(wèi)生情況，從而將其作為廚房或餐廳的衛(wèi)生環(huán)境的評判標準。

為了達到上述目的，本發(fā)明采用以下技術方案：

本發(fā)明的一種用于環(huán)境潔凈度檢測的圖像處理方法，獲取多種環(huán)境情況下的不同圖像，采用機器學習和概率論與概率統計的方法進行歸類與“學習”，然后綜合多種評價方式，從而形成一個評判環(huán)境衛(wèi)生情況的標準，具體包括下述步驟：

S1、圖像灰度化，將從多種環(huán)境情況下獲得的不同的圖像進行灰度化并提取輪廓，排除外部環(huán)境光照的影響；

S2、將經過步驟S1圖像灰度化處理并提取輪廓的圖像利用樸素貝葉斯分類器原理進行不同環(huán)境衛(wèi)生等級的標記，然后形成一個樣本容量，即先驗概率；

S3、利用幀間差分法對圖像進行中值濾波處理，去掉圖像隨機噪聲；