基于改进主成分分析和AdaBoost算法的运动虾苗识别方法

摘要：

针对虾行为量化过程中运动虾苗较难检测与识别的问题,该文以南美白对虾虾苗为例,提出了一种基于改进主成分分析(principal component analysis,PCA)+AdaBoost算法的运动虾苗自动识别方法.在室内自然光条件下,利用工业相机采集承装容器中虾苗的灰度图像.提取图像中大小为100×100像素的不同运动状态的虾苗图像,首先使用改进PCA算法进行主成分分析,并进行特征提取.根据特征参数的分布情况,对其进行归一化处理,利用归一化的特征构建多个弱分类器,利用Adaboost方法将弱分类器构建成强分类器.最后,利用强分类器对运动虾苗进行识别.试验结果表明,在150幅不同运动状态虾苗测试样本中,基于改进PCA+Adaboost方法的识别正确率98％,平均每个样本识别时间为0.027 898 s,满足行为量化中的自动识别要求.

关键词：图像识别、识别、算法、运动虾苗、改进PCA、AdaBoost、行为量化

所属期刊栏目：33

分类号：S951.2(水产工程)

资助基金：中国水产科学研究院中央级公益性科研院所基本科研业务费专项资金项目2015A02XK06;国家现代农业产业技术体系项目CARS-47

在线出版日期：2017-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：212-218