基于改进型AdaBoost网络模型的斑马鱼胚胎血管识别

基于图像特征与改进型AdaBoost网络模型,对斑马鱼节间血管的识别进行了研究。对3组斑马鱼胚胎荧光图像训练集的节间血管进行正负样本选取,使用Haar-like特征图提取图像特征,通过AdaBoost网络模型对所提取的特征训练形成级联分类器,根据识别效果,调整改进网络的系数得到改进型级联分类器,最终实现了节间血管的精确识别和统计。实验结果表明:对于节间血管提取的准确率和识全率分别达到了93.8%和91.1%,说明该算法检测准确率高,对不同组别图像均有稳定的检测效果。