1.一种生活垃圾图像区域分割方法，其特征在于，包括：采集传送带上的垃圾图像，并将所述图像转化为灰度图像；

利用帧差法确定传送带上的垃圾图像的灰度图像中的局部垃圾区域；

计算所述局部垃圾区域中每一像素点的垃圾类别区分度，所述垃圾区分度用于区分垃圾的实际边缘和虚假边缘；

基于所述垃圾类别区分度对垃圾进行分类；

所述计算所述局部垃圾区域中每一像素点的垃圾类别区分度，包括：计算所述局部垃圾区域中每一像素点的垃圾混乱度、跳跃性指数、边缘特征值；

基于所述垃圾混乱度、所述跳跃性指数、所述边缘特征值计算所述局部垃圾区域中每一像素点的垃圾类别区分度；

其中，所述垃圾混乱度、所述跳跃性指数、所述边缘特征值与所述局部垃圾区域中每一像素点的垃圾类别区分度正相关；

计算所述局部垃圾区域中每一像素点的垃圾混乱度，包括：基于滑动窗口内的灰度标准差、色相度标准差、所述滑动窗口内灰度均值、色相度均值、所述滑动窗口内中心像素点的邻域内像素点的灰度值以及色相度计算局部垃圾区域中每一像素点的垃圾混乱度；

计算所述局部垃圾区域中每一像素点的跳跃性指数，包括：获取每一局部垃圾区域对应的灰度矩阵；

对所述灰度矩阵中的背景像素点重新赋值，得到新矩阵，用于确定垃圾的实际边缘；

利用Sobel算法根据新矩阵计算每一像素点的跳跃性指数；

计算所述局部垃圾区域中每一像素点的边缘特征值，包括：基于所述像素点的垃圾混乱度形成的连通域阻断其他本该相同的连通域个数、所述像素点的混乱度形成的连通域被阻断的个数、所述像素点的垃圾混乱度形成的连通域数量计算连通域间断指数；所述连通域间断指数用于表征垃圾之间的实际边缘与垃圾内部的虚假边缘；

基于所述像素点对应的滑动窗口内异变因子数目、所述像素点对应的滑动窗口内的常规因子数目、所述像素点的垃圾混乱度、所述滑动窗口内中心像素点的邻域像素点的数目以及邻域像素点的垃圾混乱度计算所述像素点的边缘凌乱度，所述边缘凌乱度用于表征垃圾之间的实际边缘的可能性，其中，异变因子与常规因子通过局部离群因子确定；

基于所述连通域间断指数以及所述边缘凌乱度计算所述局部垃圾区域中每一像素点的边缘特征值；

基于所述垃圾混乱度、所述跳跃性指数、所述边缘特征值计算所述局部垃圾区域中每一像素点的垃圾类别区分度，包括：基于以下公式计算垃圾类别区分度：

；

其中， 为归一化函数， 表示像素点 的垃圾混乱度， 表示像素点 的跳跃性指数， 表示像素点x的边缘特征值， 、 及 为不同的权重， 表示余项，固定取值为1，避免每种垃圾内部像素点的垃圾类别区分度为0的情况；

计算所述局部垃圾区域中每一像素点的垃圾混乱度，包括：；

其中， 为归一化函数， 和滑动 分别表示窗口内的灰度标准差和色相度标准差， 和 分别表示滑动窗口内的灰度均值和色相度均值，表示滑动窗口内的像素点的总个数， 和 分别表示滑动窗口内中心像素点x的邻域内第 个像素点的灰度值和色相度；其中， 表示灰度变异系数， 表示色相度变异系数；

利用Sobel算法根据新矩阵计算每一像素点的跳跃性指数，包括：；

其中，表示像素点x的8邻域内像素点的个数， 和 分别表示像素点x的邻域内第j个像素点元素值和梯度值， 和 分别表示像素点x的元素值和梯度值；

计算连通域间断指数的方式为：

；

其中，表示局部垃圾区域内像素点的集合， 表示像素点x的混乱度形成的连通域阻断其他本该相同的连通域个数， 表示像素点x的混乱度形成的连通域被阻断的个数，表示像素点x所在的局部垃圾区域中像素点x的混乱度形成连通域的数量；

计算所述像素点的边缘凌乱度，包括：

；

其中， 表示像素点x的滑动窗口内的异变因子数目， 表示像素点x的滑动窗口内的常规因子数目， 表示像素点x的垃圾混乱度，s表示滑动窗口内像素点x的邻域像素点的总数目， 表示像素点x的邻域内第k个像素点的垃圾混乱度,  表示边缘像素点的集合，所述边缘像素点通过边缘检测算子对所述局部垃圾区域进行边缘检测后所得；

计算像素点的边缘特征值，包括：

；

其中， 表示每个像素点的连通域间断指数， 表示每个像素点的边缘凌乱度。

2.根据权利要求1所述的方法，其特征在于：

所述像素点的垃圾混乱度越大，则所述垃圾类别区分度越大，表征所述像素点处于垃圾边缘的可能性越大；

所述像素点的跳跃性指数越大，则所述垃圾类别区分度越大，表征实际边缘的特征越明显；

所述像素点的边缘特征值越大，则所述垃圾类别区分度越大，表征所述像素点为实际边缘的像素点的可能性越大。

3.一种生活垃圾图像区域分割系统，其特征在于，包括：图像采集模块，用于采集传送带上的垃圾图像，并将所述图像转化为灰度图像；

区域划分模块，用于利用帧差法确定传送带上的垃圾图像的灰度图像中的局部垃圾区域；

计算模块，用于计算所述局部垃圾区域中每一像素点的垃圾类别区分度；

分类模块，用于基于所述垃圾类别区分度对垃圾进行分类；

所述计算所述局部垃圾区域中每一像素点的垃圾类别区分度，包括：计算所述局部垃圾区域中每一像素点的垃圾混乱度、跳跃性指数、边缘特征值；

基于所述垃圾混乱度、所述跳跃性指数、所述边缘特征值计算所述局部垃圾区域中每一像素点的垃圾类别区分度；

其中，所述垃圾混乱度、所述跳跃性指数、所述边缘特征值与所述局部垃圾区域中每一像素点的垃圾类别区分度正相关；

计算所述局部垃圾区域中每一像素点的垃圾混乱度，包括：基于滑动窗口内的灰度标准差、色相度标准差、所述滑动窗口内灰度均值、色相度均值、所述滑动窗口内中心像素点的邻域内像素点的灰度值以及色相度计算局部垃圾区域中每一像素点的垃圾混乱度；

计算所述局部垃圾区域中每一像素点的跳跃性指数，包括：获取每一局部垃圾区域对应的灰度矩阵；

对所述灰度矩阵中的背景像素点重新赋值，得到新矩阵，用于确定垃圾的实际边缘；

利用Sobel算法根据新矩阵计算每一像素点的跳跃性指数；

计算所述局部垃圾区域中每一像素点的边缘特征值，包括：基于所述像素点的垃圾混乱度形成的连通域阻断其他本该相同的连通域个数、所述像素点的混乱度形成的连通域被阻断的个数、所述像素点的垃圾混乱度形成的连通域数量计算连通域间断指数；所述连通域间断指数用于表征垃圾之间的实际边缘与垃圾内部的虚假边缘；

基于所述像素点对应的滑动窗口内异变因子数目、所述像素点对应的滑动窗口内的常规因子数目、所述像素点的垃圾混乱度、所述滑动窗口内中心像素点的邻域像素点的数目以及邻域像素点的垃圾混乱度计算所述像素点的边缘凌乱度，所述边缘凌乱度用于表征垃圾之间的实际边缘的可能性，其中，异变因子与常规因子通过局部离群因子确定；

基于所述连通域间断指数以及所述边缘凌乱度计算所述局部垃圾区域中每一像素点的边缘特征值；

基于所述垃圾混乱度、所述跳跃性指数、所述边缘特征值计算所述局部垃圾区域中每一像素点的垃圾类别区分度，包括：基于以下公式计算垃圾类别区分度：

；

其中， 为归一化函数， 表示像素点 的垃圾混乱度， 表示像素点 的跳跃性指数， 表示像素点x的边缘特征值， 、 及 为不同的权重， 表示余项，固定取值为1，避免每种垃圾内部像素点的垃圾类别区分度为0的情况；

计算所述局部垃圾区域中每一像素点的垃圾混乱度，包括：；

其中， 为归一化函数， 和滑动 分别表示窗口内的灰度标准差和色相度标准差， 和 分别表示滑动窗口内的灰度均值和色相度均值，表示滑动窗口内的像素点的总个数， 和 分别表示滑动窗口内中心像素点x的邻域内第 个像素点的灰度值和色相度；其中， 表示灰度变异系数， 表示色相度变异系数；

利用Sobel算法根据新矩阵计算每一像素点的跳跃性指数，包括：；

其中，表示像素点x的8邻域内像素点的个数， 和 分别表示像素点x的邻域内第j个像素点元素值和梯度值， 和 分别表示像素点x的元素值和梯度值；

计算连通域间断指数的方式为：

；

其中，表示局部垃圾区域内像素点的集合， 表示像素点x的混乱度形成的连通域阻断其他本该相同的连通域个数， 表示像素点x的混乱度形成的连通域被阻断的个数，表示像素点x所在的局部垃圾区域中像素点x的混乱度形成连通域的数量；

计算所述像素点的边缘凌乱度，包括：

；

其中， 表示像素点x的滑动窗口内的异变因子数目， 表示像素点x的滑动窗口内的常规因子数目， 表示像素点x的垃圾混乱度，s表示滑动窗口内像素点x的邻域像素点的总数目， 表示像素点x的邻域内第k个像素点的垃圾混乱度,  表示边缘像素点的集合，所述边缘像素点通过边缘检测算子对所述局部垃圾区域进行边缘检测后所得；

计算像素点的边缘特征值，包括：

；

其中， 表示每个像素点的连通域间断指数， 表示每个像素点的边缘凌乱度。