形状匹配是计算机视觉研究领域的一个热点问题,它是图像自动识别和理解的基本问题之一,且有广泛的应用领域。虽然人们已经对它开展了大量的研究工作,但针对非刚体形变的匹配识别问题等,目前还没有较好的方法来解决。对于实时检测所采集到的鱼类图像,其目标外形往往会发生形变,这种外形的变化导致了分类特征的选取较为困难。本文针对实时检测时鱼类易发生动态形变的问题,提出了一种新的识别算法。本算法首先对于采集到的鱼类彩色图像进行校正前处理得到骨架图,利用Hough变换得到骨架的方向信息即直线骨架,同时确定校正所需的切割点；然后对鱼类图像进行图像切割,图像旋转和图像合成,得到校正后的鱼类的二值图；再对校正后的图像使用等间距极坐标映射算法,得到与标准鱼类形状相似的极坐标映射图,该映射方法保证了图像形状的旋转、平移、缩放不变性；将极坐标映射图中的局部极值点大小和相邻极值点的间隔(即极值点的相对位置)作为待识别的两种特征,采用匹配识别算法对这两种特征分别进行匹配度的计算。仿真实验证明,校正后的图像得到了较好的匹配度,提高了针对动态形变鱼类图像的识别效果。本文的创新之处在于：1.形变校正算法使用Hough变换提取直线骨架的方法来确定弯曲形变的位置,能够达到较好的定位效果,利用图像切割、图像旋转以及图像的合成算法可将弯曲形变的鱼类校正到接近未发生形变的形状；2.从极坐标映图中提取的极值点的相对位置信息作为待识别特征中的第二种特征更能增加识别精度,使得鱼类图像进行准确的分类,提高算法的有效性。