[发明专利]用于墙板模具自动清理机的污渍识别方法

权利要求书

1.用于墙板模具自动清理机的污渍识别方法，其特征在于，所述方法包括：

获取墙板模具图像所有异常像素点；

对于任意一个异常像素点，根据异常像素点的局部可达范围半径获得异常像素点的最小可达范围和同类数量，根据异常像素点的最小可达范围和同类数量获得异常像素点的密度，将密度大于密度阈值的异常像素点作为种子像素点；获得所有种子像素点，根据所有种子像素点的最小可达范围获得所有超像素块；

对于任意一个超像素块，计算超像素块的空间结构参数和灰度结构参数，将超像素块的空间结构参数和灰度结构参数作为超像素块的聚类标签；获得所有超像素块的聚类标签；

对于任意两个超像素块，根据两个超像素块的聚类标签获得两个超像素块的合并必要度；将合并必要度大于合并阈值的两个超像素块进行合并，根据任意两个超像素块的合并必要度对所有种子像素点对应的超像素块进行合并，将合并后的每个超像素块对应的区域记为可信区域，获得墙板模具图像上的所有可信区域；

将所有可信区域中梯度幅值大于梯度阈值的像素点记为噪声像素点，获取噪声像素点在所有邻域方向上的方向噪声点，根据所有噪声像素点的所有方向噪声点获得中值滤波核的尺寸；

根据所述尺寸的中值滤波核对墙板模具图像进行滤波去噪，获得去噪后的墙板模具图像上的所有污渍像素点；计算所有污渍像素点的附着度，将附着度大于附着阈值的污渍像素点作为喷洗点，并利用水枪喷头进行清洗；

所述计算超像素块的空间结构参数的步骤包括：

第个种子像素点对应的超像素块/的空间结构参数/的计算公式为：

式中，表示第/个种子像素点对应的超像素块/的空间结构参数，/表示在超像素块/内，第/个种子像素点的/邻域方向上的和第/个种子像素点属于同类像素点的第/个异常像素点，/，/表示异常像素点/的坐标，/，/为第/个种子像素点的坐标，/表示第/个种子像素点的/邻域方向上的和第/个种子像素点属于同类像素点的异常像素点的数量；

所述计算超像素块的灰度结构参数的步骤包括：

第个种子像素点对应的超像素块/的灰度结构参数/的计算公式为：

式中，表示第/个种子像素点对应的超像素块/的灰度结构参数，/表示超像素块/内所有灰度值的数量，/表示灰度值等于灰度值/的所有像素点的数量，/表示第/个灰度值，/表示第/个种子像素点的局部可达范围半径；/

所述根据两个超像素块的聚类标签获得两个超像素块的合并必要度的步骤包括：

对于第个种子像素点对应的超像素块/和第/个种子像素点对应的超像素块/，计算超像素块/和超像素块/的合并必要度的计算公式为：

式中，表示超像素块/和超像素块/的合并必要度，/表示第/个种子像素点对应的超像素块/的空间结构参数，/表示第/个种子像素点对应的超像素块/的空间结构参数，表示第/个种子像素点对应的超像素块/的灰度结构参数，/表示第/个种子像素点对应的超像素块/的灰度结构参数，/表示第/个种子像素点与第/个种子像素点的欧式距离，表示双曲正切函数，/表示L2范数。

2.根据权利要求1所述的用于墙板模具自动清理机的污渍识别方法，其特征在于，所述根据异常像素点的局部可达范围半径获得异常像素点的最小可达范围和同类数量的步骤包括：

将灰度值的差值不大于灰度阈值的两个像素点为同类像素点；将异常像素点的8个邻域方向分别记为1邻域方向到8邻域方向，对异常像素点按照 邻域方向进行搜索，获得在/邻域方向上距离该异常像素点距离最近且和该异常像素点属于同类像素点的异常像素点，记为该异常像素点的/方向同类点；获得该异常像素点在8个邻域方向上的方向同类点；

将8个方向同类点与该异常像素点的所有欧式距离中的最大值作为该异常像素点的局部可达范围半径，将以像素点为中心且以该像素点的局部可达范围半径为半径的圆形区域，作为该异常像素点的最小可达范围；

统计获得在该异常像素点的最小可达范围内且和该异常像素点属于同类像素点的所有异常像素点的数量，记为该异常像素点的同类数量。