1、我國淡水魚種類繁多，不同種類的淡水魚具有不同的營養(yǎng)價值和市場價值，而且很多種淡水魚相似性通過肉眼無法識別。目前在國內(nèi)加工行業(yè)對魚的品種分類主要依賴人工，人工分魚受人為因素影響，不僅效率低還影響魚的存活周期，而且需要大量的勞動力，增加了勞動力成本。隨著科學(xué)技術(shù)的發(fā)展，出現(xiàn)了機(jī)械式分魚設(shè)備，機(jī)械式的分魚對魚的損傷比較大，而且只能分出魚的大小，對魚的品種無法準(zhǔn)確的識別和判斷。隨著計算機(jī)視覺技術(shù)的快速發(fā)展，利用計算機(jī)視覺代替我們?nèi)搜鄯拄~，無疑是

2、解決上述問題的好方法，本論文就是以實(shí)現(xiàn)自動分類魚的種類為目的，建立一種基于計算機(jī)視覺技術(shù)的無損分魚模型。
　　本論文選取6種常見的淡水魚為研究對象，搭建采集淡水魚圖像的計算機(jī)視覺實(shí)驗(yàn)平臺。針對魚的特征提取，探討了適用于魚的圖像預(yù)處理算法，為了很好的分割魚和背景，采用加權(quán)平均法進(jìn)行魚的灰度化；進(jìn)行二值化的目的是為了突出魚的特征，采用常用的閾值處理方法，針對圖像中存在的噪點(diǎn)，提出了一種改進(jìn)的自適應(yīng)中值濾波的去除方法；為了提取魚的幾何形

3、狀特征，采用了邊界追蹤的方法進(jìn)行輪廓提取。
　　圖像預(yù)處理的目的是為了特征提取，本論文為了全面反映魚的特征信息，提取了顏色、紋理、形狀等三大特征共計24個特征值；通過對六種魚的顏色直觀描述，不能很好的區(qū)分每種魚，本論文提取了RGB和HSV顏色分量的均值和方差數(shù)據(jù)，有助于透過數(shù)據(jù)區(qū)分每種魚；針對六種不同的魚，魚的紋理有很大的差別，采用灰度共生矩陣的方法，提取紋理5個特征值；由于淡水魚的幾何形狀不規(guī)則，密度不均，需要綜合提取了魚的面積

4、、周長、長軸、短軸等特征來反映魚的幾何特征。
　　本論文采集了120條魚的樣本，對這些樣本的24個特征參數(shù)采用了主成分分析方法進(jìn)行了降維，提取了能夠反映魚全部信息的四個主成分，這樣做的目的是用較少的特征信息反映整條魚的信息，減少了數(shù)據(jù)的計算量。對于小樣本的分類算法，本論文選擇了基于支持向量機(jī)的分類算法，為了提高識別率，選擇交叉驗(yàn)證網(wǎng)格尋優(yōu)的方法進(jìn)行了參數(shù)優(yōu)化，核函數(shù)選擇了徑向基，并在區(qū)間[0,1]對數(shù)據(jù)進(jìn)行了歸一化,最后的分類識別