生物监测技术与化学分析法相比具有先知性、预见性和警示性。利用生物监测技术建立水环境安全预警系统是目前国内外环境科学研究的热点,以鱼类作为水质监测生物载体的水质在线监测系统已被开发应用到实际工程中。现有的鱼类水质监测系统机理主要通过分析鱼体呼吸、弱电脉冲等生理参数进行水质监测或利用传感器获取鱼体运动参数进行水质预警。因此,快速、准确获取鱼体各类参数是水质监测系统性能优劣的重要前提。然而现有系统的鱼体参数获取方法复杂,且参数单一。本文利用机器视觉构建鱼体运动模型,并对该模型进行分析,获取多种鱼体运动参数,解决了参数获取方法复杂及参数单一问题,为后续的鱼类运动行为异常水质监测系统提供准确、丰富的参数。本研究以鱼体骨架中心线为基础建立鱼体运动模型,并通过该模型获取鱼体尾巴摆动频率、运动速度、运动轨迹等鱼体运动参数。主要研究内容包括:鱼体图像分割、鱼体骨架中心线提取以及鱼体运动模型构建与分析。研究工作归纳如下:(1)研究了彩色图像分割算法,针对鱼体图像特征提出基于邻域灰度差值的二维Otsu鱼体图像初次分割并综合颜色聚类实现鱼体图像二次分割。通过将“硬”分割与“软”分割算法相结合的方法实现鱼体图像精确分割方法研究。(2)分析了传统骨架提取算法的特点,提出了一种简单快速获取鱼体骨架中心线方法研究。通过利用鱼体边界形体特征获取鱼体质心,根据质心计算主轴,由主轴确定鱼体骨架中心的鱼体骨架中心线提取方法。(3)构建了一个基于鱼体骨架中心线的鱼体运动模型。根据鱼体运动特点,在实现鱼体图像精确分割及骨架中心线快速提取的基础上,提出基于鱼体骨架中心线的运动模型构建,并运用该模型获取鱼体运动参数:尾巴摆动频率、运动速度、运动轨迹。通过精确分割鱼体图像,快速提取骨架中心线,正确构建鱼体运动模型,及准确分析运动模型获取鱼体运动参数,为系统后续鱼类运动异常的分析提供丰富数据源。