(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211251505.6 (22)申请日 2022.10.13 (71)申请人 山东爱福地 生物股份有限公司 地址 272000 山东省济宁市任城区喻屯镇 经济园区 (72)发明人 张慧　刘杰　李鹏　朱大伟　 (74)专利代理 机构 青岛致嘉知识产权代理事务 所(普通合伙) 3723 6 专利代理师 韩艳艳 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种固体废弃物 识别方法 (57)摘要 本发明涉及固体废弃物识别技术领域， 具体 涉及一种 固体废弃物识别方法。 方法包括： 基于 废弃物堆积区的遥感图像中像素点的梯度幅值 获得亚像素点的梯度幅值； 基于像素点、 亚像素 点的梯度幅值获得离散点； 基于各像素点的预设 邻域内离散点的梯度幅值， 计算废弃物形态表征 值； 对遥感图像进行增强获得对应的颜色聚合向 量， 进而将遥感图像划分为多个连通域； 基于各 像素点在R、 G、 B三个通道对应的值和各像素点所 在的连通域在颜色聚合向量中对应的量化值， 得 到颜色分布混淆度； 基于废弃物形态表征值和颜 色分布混淆度进行超像素分割， 进而得到固体废 弃物类别对应的超像素块和非固体废弃物类别 对应的超像素块。 本发明提高了固体废弃物的识 别精度。 权利要求书2页 说明书10页 附图1页 CN 115331119 A 2022.11.11 CN 115331119 A 1.一种固体废弃物 识别方法， 其特 征在于， 该 方法包括以下步骤： 获取废弃物堆积区的遥感图像； 基于所述遥感图像中各像素点的梯度幅值， 利用三 次样条插值函数计算任意两个像素 点之间亚像素点的梯度幅值； 基于所述遥感图像中各像素点的梯度幅值和各亚像素点的梯 度幅值， 拟合得到所述遥感图像对应的梯度变化 曲线； 基于所述梯度变化 曲线的极值点的 梯度幅值获得离散点； 基于所述遥感 图像中各像素点的预设邻域内各离散点的梯度幅值， 计算各像素点对应的废弃物形态 表征值； 对所述遥感图像进行增强获得增强图像， 获取所述增强图像对应的颜色聚合向量， 基 于所述颜色聚合向量将所述遥感图像划分为多个连通域； 基于所述遥感图像中各像素点在 R、 G、 B三个通道对应的值和各像素点所在的连通域在所述颜色聚合向量中对应的量化值， 得到各像素点对应的颜色 分布混淆度； 基于所述废弃物形态表征值和所述颜色分布混淆度， 得到各像素点的显著度； 基于所 述显著度对所述遥感图像中的像素点进行超像素分割， 根据超像素分割后的遥感图像和训 练好的神经网络， 得到固体废弃物类别对应的超像素块和非 固体废弃物类别对应的超像素 块。 2.根据权利要求1所述的一种固体废弃物识别方法， 其特征在于， 所述基于所述遥感图 像中各像素点的梯度幅值和各亚像素点的梯度幅值， 拟合得到所述遥感图像对应的梯度变 化曲线， 包括： 基于所述遥感图像中各像素点的位置和梯度 幅值， 构建各像素点的特征向量； 基于各 亚像素点的位置和梯度幅值， 构建各亚像素点的特 征向量； 基于所述各像素点的特征向量和所述各亚像素点的特征向量， 拟合得到所述遥感图像 对应的梯度变化曲线； 所述梯度变化曲线的横轴为 位置， 纵轴为梯度幅值。 3.根据权利要求2所述的一种固体废弃物识别方法， 其特征在于， 基于所述梯度变化曲 线的极值 点的梯度幅值获得离 散点， 包括： 获取所述梯度变化曲线的所有极值点， 将所有极值点的特征向量构 成的集合记为第 一 集合； 对于任一极值点： 判断该极值点的梯度幅值与其左右两侧相邻的极值点的梯度幅值的 差值的绝对值是否均大于所述第一集合中所有极值点的梯度幅值的均值， 若是， 则判定该 极值点为离散点； 若否， 则判定该极值 点不为离散点。 4.根据权利要求1所述的一种固体废弃物识别方法， 其特征在于， 采用如下公式计算各 像素点对应的废弃物形态 表征值： 其中， 为废弃物堆积区的遥感图像中第 个像素点对应的废弃物形态表征值， 为第 个像素点的预设邻域内离散点的数量， 为第 个像素点的预设邻域内第 个离散点的梯 度幅值， 为第 个像素点的预设邻域内第 个离散点与水平方向的夹角， 为第 个像权　利　要　求　书 1/2 页 2 CN 115331119 A 2素点的预设邻域内第 个离散点与水平方向的夹角的正弦值， 为第 个像素点的预设 邻域内第 个离散点与水平方向的夹角的余弦值。 5.根据权利要求1所述的一种固体废弃物识别方法， 其特征在于， 所述基于所述遥感图 像中各像素点在R、 G、 B三个通道对应的值和各像素点所在的连通域在所述颜色聚合向量中 对应的量 化值， 得到各像素点对应的颜色 分布混淆度， 包括： 对于所述遥感图像中的任一像素点： 将该像素点所在的连通域在所述颜色聚合向量中的最大量化值作为该像素点的像素 参考值； 以该像素点 为窗口中心点， 建立预设大小的窗口， 作为该像素点对应的窗口； 基于该像素点对应的窗口内各像素点在R、 G、 B三个通道对应的值和所述该像素点的像 素参考值， 计算该像素点对应的颜色 分布混淆度。 6.根据权利要求5所述的一种固体废弃物识别方法， 其特征在于， 采用如下公式计算各 像素点对应的颜色 分布混淆度： 其中， 为废弃物堆积区的遥感图像中第 个像素点对应的颜色分布混淆度， 为第 个像素点的像素参考值， 为第 个像素点对应的窗口内像素点的数量， 为第 个像素点 对应的窗口内第 个像素点在R通道对应的值， 为第 个像素点对应的窗口内所有像素点 在R通道对应的值的均值， 为第 个像素点对应的窗口内第 个像素点在G通道对应的值， 为第 个像素点对应的窗口内所有像素点在G通道对应的值的均值， 为第 个像素点对 应的窗口内第 个像素点在B通道对应的值， 为第 个像素点对应的窗口内所有像素点在B 通道对应的值的均值。 7.根据权利要求1所述的一种固体废弃物识别方法， 其特征在于， 所述基于所述废弃物 形态表征值和所述颜色 分布混淆度， 得到各像素点的显著度， 包括： 对于所述遥感图像中的任一像素点： 计算该像素点对应的颜色分布混淆度的平方与颜色分布混淆度的权值系数的乘积， 作 为第一指标； 将该像素点对应的废弃物形态表征值的平方作为第二指标； 计算所述第一指 标与所述第二指标的和的平方根， 作为该像素点的显著度。权　利　要　求　书 2/2 页 3 CN 115331119 A 3