中国是一个猪肉生产和消费大国,对猪肉品质的检测评定不仅关系到食品安全,对整个行业的良性发展也至关重要。肉色是品质的重要指标之一,病、死、变质的猪肉,甚至含有瘦肉精的猪肉,其颜色与正常猪肉的颜色差异较大。因此利用图像处理和模式识别技术,进行猪肉颜色的自动评定,具有重要的研究意。本文应用改进的规范割方法对猪肉图像进行分割,结合LLE与SVM对猪肉颜色进行分级,并构建了相应的猪肉颜色分级软件系统。具体而言,包括以下研究容:　　 1使用改进的规范割方法对猪肉图像进行分割。规范割方法有广泛的适用性,能较好克服数据中的孤立点问题,但是该算法在特征值求解时计算复杂度大。为了降低计算复杂度,本文通过使用规范割方法对肉品图像彩色直方图的划分达到分割的目的,实验表明,和基于像素的规范割方法相比,改进算法不但降低了计算复杂度,且能有效分割肌肉与脂肪。　　 2使用LLE和SVM方法结合对猪肉颜色进行分级。在对猪肉色彩数据进行分析的基础上,使用LLE方法对猪肉颜色数据进行变换,在变换后的核心维度上使用SVM进行分级。对采集到的1070份样本进行实验,结果表明,相对于直接分级,使用LLE方法后准确率有了显著提高。　　 3设计开发了猪肉颜色分级系统的软件框架。该框架基于MCV模型,使用QT进行开发。基于该框架,猪肉颜色分级过程被分解为一系列包含算法的相关功能模块,便于对算法进行灵活改动。同时考虑到类似任务以及其它扩展性的需求,预留了丰富的接口。