随着畜牧生产规模的增加,我国对畜肉品质的检测评定日趋严格和标准化。通常用于评定畜肉品质的方法都需要进行大量物理化学测试,不能适用于快速的自动化生产线。将图像处理技术应用于畜肉品质评定系统中,可望实现畜肉品质的自动化无损检测。本文深入研究了利用图像处理技术进行畜肉品质分级的方法,具体包括畜肉图像的去噪、分割、特征提取和分类等关键技术,主要工作如下:首先,研究了基于Harris角点检测和空间自适应迭代奇异值阈值的畜肉图像去噪方法。先利用Harris算子检测并滤除脉冲噪声;接着使用空间自适应迭代奇异值阈值方法进一步做去噪处理,滤除剩余的高斯噪声。实验结果表明,与基于小波变换的方法、基于脉冲耦合神经网络和中值滤波的方法及基于联合统计模型的方法相比,该方法所获得的畜肉图像在主观视觉效果和客观评价指标方面都更优。其次,提出了一种基于二维Arimoto灰度熵的畜肉图像分割方法。直接考虑图像的类内灰度均匀性,构建出一维Arimoto灰度熵阈值选取公式;再推导出灰度-梯度直方图二维Arimoto灰度熵阈值选取公式;采用基于Tent映射混沌序列改进的人工蜂群算法提高最佳阈值的搜索精度与速度。实验结果表明,该方法总体性能优于二维Shannon熵、二维Tsallis灰度熵以及二维Arimoto熵等分割方法。再次,实现了基于广义核函数或混合核函数的模糊局部信息C均值畜肉图像分割方法:KFLICM_UG(Kernel Fuzzy Local Information C-means-Universal Gaussian)方法和KFLICM_MG(Kernel Fuzzy Local Information C-means-Mixed Gaussian)方法。首先利用广义核函数或混合核函数能有效兼顾学习能力和泛化能力的优势,像素经过映射后在高维特征空间拥有更优的线性可聚性;然后结合像素的局部空间和灰度信息,实现畜肉图像的模糊局部信息C均值聚类分割。实验结果表明,相比模糊C均值分割方法、核模糊C均值分割方法和模糊局部信息C均值分割方法,KFLICM_UG方法和KFLICM_MG方法具有更强的噪声适应能力和鲁棒性。接着,提出了一种基于不变矩、灰度共生矩阵和混沌蜂群优化混合核函数支持向量机的牛肉大理石纹分级方法。首先计算牛肉大理石纹图像的不变矩和灰度共生矩阵统计量并由此构造出特征向量;采用混沌蜂群算法优化混合核函数支持向量机中的惩罚因子及核参数,使其分类识别性能达到最优;最后输入待分级样本进行分类识别。与基于灰度矩和支持向量机方法、基于灰度共生矩阵和反向传播神经网络方法相比,该方法所得分级正确率最高。最后,给出了基于完整局部二值模式、改进核主成分分析和随机森林的牛肉大理石纹分级方法。首先通过融合中心描述子、符号描述子和大小描述子三者的编码信息构成完整编码,并作为表征牛肉大理石纹图像的特征向量;其次,采用混沌蜂群算法改进后的核主成分分析对特征向量降维;最终,利用随机森林完成分类。大量实验结果表明,相较基于分形维和图像特征方法、基于灰度共生矩阵和反向传播神经网络方法,本文方法所得识别正确率最高。