基于改进Canny算子的垃圾图像边缘检测

为提高垃圾识别分类的准确率,文中在垃圾图像预处理过程中提出了一种基于改进Canny算子的垃圾图像边缘检测方法。该方法从传统Canny算子滤波方式、梯度方向及阈值自适应3个角度实现了垃圾图像边缘检测的优化。针对Canny算子高斯滤波仅适用于高斯噪声和边缘细节易丢失的问题,采用改进的梯度倒数加权法进行滤波。针对Canny算子易检测出伪边缘的问题,通过在计算图像梯度方向的过程中增加方向梯度模板实现了边缘的精确化。同时采用最小误差法解决人工设定阈值的局限性,实现阈值自适应。实验结果表明,该方法在去噪性能和边缘细节两方面得到了改进,获得了更好的边缘检测效果,为后续垃圾图像的识别分类提供了技术保障。     

基于SVM与区域生长的彩色商品标签图像分割方法

传统区域生长的噪声和灰度不均可能会导致空洞和过分割,严重影响图像分割效果.针对此问题,文中提出了一种SVM与区域生长相结合的彩色标签图像分割算法.该算法将标签部分和商品部分的颜色信息和纹理等特征作为SVM的正负样本,既有效提高了效率,又提高了图像分割的精度.在提取正负样本时,利用改进区域生长算法分割出特征区域并提取特征...