我国淡水鱼种类繁多,不同种类的淡水鱼具有不同的营养价值和市场价值,而且很多种淡水鱼相似性通过肉眼无法识别。目前在国内加工行业对鱼的品种分类主要依赖人工,人工分鱼受人为因素影响,不仅效率低还影响鱼的存活周期,而且需要大量的劳动力,增加了劳动力成本。随着科学技术的发展,出现了机械式分鱼设备,机械式的分鱼对鱼的损伤比较大,而且只能分出鱼的大小,对鱼的品种无法准确的识别和判断。随着计算机视觉技术的快速发展,利用计算机视觉代替我们人眼分鱼,无疑是解决上述问题的好方法,本论文就是以实现自动分类鱼的种类为目的,建立一种基于计算机视觉技术的无损分鱼模型。本论文选取6种常见的淡水鱼为研究对象,搭建采集淡水鱼图像的计算机视觉实验平台。针对鱼的特征提取,探讨了适用于鱼的图像预处理算法,为了很好的分割鱼和背景,采用加权平均法进行鱼的灰度化;进行二值化的目的是为了突出鱼的特征,采用常用的阈值处理方法,针对图像中存在的噪点,提出了一种改进的自适应中值滤波的去除方法;为了提取鱼的几何形状特征,采用了边界追踪的方法进行轮廓提取。图像预处理的目的是为了特征提取,本论文为了全面反映鱼的特征信息,提取了颜色、纹理、形状等三大特征共计24个特征值;通过对六种鱼的颜色直观描述,不能很好的区分每种鱼,本论文提取了RGB和HSV颜色分量的均值和方差数据,有助于透过数据区分每种鱼;针对六种不同的鱼,鱼的纹理有很大的差别,采用灰度共生矩阵的方法,提取纹理5个特征值;由于淡水鱼的几何形状不规则,密度不均,需要综合提取了鱼的面积、周长、长轴、短轴等特征来反映鱼的几何特征。本论文采集了120条鱼的样本,对这些样本的24个特征参数采用了主成分分析方法进行了降维,提取了能够反映鱼全部信息的四个主成分,这样做的目的是用较少的特征信息反映整条鱼的信息,减少了数据的计算量。对于小样本的分类算法,本论文选择了基于支持向量机的分类算法,为了提高识别率,选择交叉验证网格寻优的方法进行了参数优化,核函数选择了径向基,并在区间[0,1]对数据进行了归一化,最后的分类识别率为95%,达到了预期的分类目标。