为进一步提高牛肉大理石纹评级的正确率，提出了基于完整局部二值模式（Completed Local Binary Pattern，CLBP）、改进核主成分分析（Kernel Principal Component Analysis，KPCA）和随机森林（Random Forests，RF）的牛肉大理石纹评级方法。首先，利用CLBP提取牛肉大理石纹图像的纹理特征；其次，采用混沌蜂群算法对KPCA的核参数进行优化，使KPCA的降维效果和特征提取达到最优，获得表征牛肉大理石纹样本图像的特征向量；最后，使
“视觉词袋”（Bag of Visual Words，BOV）算法是一种有效的基于语义特征表达的物体识别算法。针对传统BOV模型存在的不足，综合利用SAR图像的灰度和纹理特征，提出基于感兴趣目标 （Target of Interest，TOI）的 “视觉词袋”算法。首先，对训练图像进行TOI选取，用灰度共生矩阵模型提取TOI的纹理特征，再结合灰度特征，组成多维特征向量集，以簇内相似度最高、数据分布密度最大为准则，生成“视觉词袋”。其次，对测试图像，依据已生成的“视觉词袋”，采用支持向量机（Sup
