作为一种细粒度的分类问题，食品图像分类在具体实施中面临许多困难。 不同的国家和地区有不同的饮食习惯。 特别地，亚洲食物图像具有复杂的结构，并且相关的分类方法仍然非常缺乏。 迫切需要基于亚洲食物图像的特征来开发特征提取和融合方案。 为了解决上述问题，我们提出了一种结合了图像分割和特征融合的图像分类模型SLGC（SURF-Local and Global Color）。 通过研究亚洲食品的独特结构，将图像的色彩特征分别合并到局部和全局维度的表示向量中，从而进一步增强了特征提取的效果。 实验结果表明，SLGC模型可以更全面地表达亚洲食品图像的内在特征，提高分类精度。
