En esta tesis doctoral se propone una metodología para determinar características de calidad de productos cárnicos (jamón y lomo Ibérico) de forma no destructiva, mediante imágenes de resonancia magnética (MRI) y algoritmos de visión por computador.En primer lugar se obtienen MRI de los productos cárnicos, evaluando tres secuencias de adquisición (Spin Echo, (SE) Gradiente Echo (GE) y Turbo 3D (T3D)). Posteriormente, las MRI se analizan mediante algoritmos de texturas (GLCM, GLRLM y NGLDM) y de fractales (CFA, FTA y OPFTA); los dos últimos desarrollados en esta tesis doctoral. Esto que permite la extracción de una serie de características computacionales. Los productos cárnicos también se analizan mediante técnicas físico-químicas y sensoriales. Finalmente, sobre todos los datos obtenidos se aplican técnicas de minería de datos: deductivas (Regresión Lineal Múltiple, MLR), de clasificación (árboles de decisión, DT y Sistemas basados en reglas, SBR) y predictivas (MLR y Regresión Isotónica, IR).La secuencia de adquisición, el algoritmo y la técnica de minería de datos influyen sobre la eficacia del análisis de los parámetros de calidad. Podría indicarse el empleo de SE como secuencia de adquisición y GLCM o OPFTA como algoritmos de análisis de imágenes. Como técnicas de minería de datos, MLR y DT son apropiados, respectivamente, para deducir parámetros físico-químicos y clasificar en función del contenido en sal. Como técnica predictiva se puede indicar MLR, que permite obtener ecuaciones fiables para los parámetros de calidad, y así determinar la calidad de los productos cárnicos de forma no destructiva, eficiente, efectiva y precisa.