用于垃圾分类的无人车视觉识别方法

技术特征：
1.一种用于垃圾分类的无人车视觉识别方法，其特征在于，包括：采用小波变换融合图像融合算法，对不清晰的垃圾图像数据进行处理和融合，以得到融合后的垃圾图像；基于融合后的垃圾图像，确定对应的垃圾类别。2.如权利要求1所述的用于垃圾分类的无人车视觉识别方法，其特征在于，采用小波变换融合图像融合算法，对不清晰的垃圾图像数据进行处理和融合，以得到融合后的垃圾图像，包括：把不清晰的垃圾图像，按照预设的规则分解成若干个小图像,而后将每一个小图像放置于对应的位置上进行融合,待所有的内容完成融合后，最后做一次小波逆变换，得到最终融合后的垃圾图像。3.如权利要求2所述的用于垃圾分类的无人车视觉识别方法，其特征在于，所述小波逆变换为离散小波变换。4.如权利要求3所述的用于垃圾分类的无人车视觉识别方法，其特征在于，所述离散小波变换的过程如下：将信号x[n]通过具有脉冲响应h[n]的半带低通滤波器；根据奈奎斯特定理进行下采样，间隔一个剔除样本点，信号留下一半样本点，尺度翻倍。5.如权利要求1所述的用于垃圾分类的无人车视觉识别方法，其特征在于，对不清晰的垃圾图像数据进行处理和融合中，包括：使用系数绝对值较大法和加权平均法两种融合规则，对不清晰的垃圾图像数据进行处理和融合。6.如权利要求1所述的用于垃圾分类的无人车视觉识别方法，其特征在于，采用小波变换融合图像融合算法，对不清晰的垃圾图像数据进行处理和融合，以得到融合后的垃圾图像，包括：在python的gui功能库tkinder编写了一个具有小波变换融合图像融合算法的用于垃圾分类的无人车视觉识别系统，利用无人车视觉识别系统对不清晰的图像数据进行处理和融合，以得到融合后的垃圾图像。

技术总结
本发明提供了一种用于垃圾分类的无人车视觉识别方法，带有智能垃圾分类识别系统的无人车能对个别垃圾进行识别并处理。但是，采集图像时可能会出现了不清晰、有遮挡的情况，故而图像的质量对机器识别的准确度有很大的影响。本发明利用简单的图像处理和图像融合技术解决低质量垃圾图像严重影响识别准确度的问题，遮挡、光线等多种因素都可能会影响获取图像的重要特征，造成机器识别效率低下。利用python中的tkinder库制作了一个用于垃圾分类的无人车视觉识别系统，给出了算法的数学原理、融合步骤和主要程序。融合步骤和主要程序。融合步骤和主要程序。


技术研发人员：王文峰 邢海莲 张晶晶
受保护的技术使用者：上海应用技术大学
技术研发日：2022.01.10
技术公布日：2022/5/17