舌诊在医学中占有重要地位,是诊察患者身体状态重要手段。在舌诊中,医生通过观察舌质和舌苔的颜色、纹理、形状等特征,来判断患者的身体状况。中医舌诊辅助系统通过观察采集到的舌图像,客观、量化的对患者身体状态进行评价,是中医舌诊现代化的重要内容。由于采集到的图像包含许多干扰物,将舌体部分从面部图像中精确地分割出来则至关重要,是舌诊辅助系统的关键步骤,也是后续判断患者健康状态的重要前提。本文针对传统舌图像分割方法需要人工操作、泛化性能差、准确率较低等问题,以及新兴的语义分割网络在舌图像分割任务中存在的图像尺寸限制、特征图谱尺寸小以及网络结构方面的问题进行改进,提出了一种基于深度卷积神经网络和条件随机场的舌图像分割算法,并在两个舌图像数据集上进行了试验。本论文的研究内容主要为以下三个方面:1、提出一种舌体候选区域检测算法。针对传统舌图像分割方法和深度学习算法对输入图像尺寸存在限制这一问题,使用最大稳定极值区域算法对原始图像中舌体部分的候选区域进行识别。然后将候选区域进行裁剪作为后续算法的输入,使原始的高分辨率图像能够被充分利用,避免了降采样操作带来的图像信息损失。2、提出一种密集卷积神经网络的舌图像分割算法。针对现有卷积神经网络存在的梯度消失、网络退化问题,以及将现有网络应用在舌图像分割任务中出现的特征图谱过大等问题,对神经网络模型进行改进,从而提出本文的舌图像分割网络。通过密集连接网络结构的特征重复利用以及多通道传递信息等手段,缓解网络的梯度消失和退化问题;通过使用孔卷积算法和孔卷积连接准则,使得网络在不增加参数的前提下扩大感受野,从而提高了分割准确率;通过使用孔卷积多尺度特征提取模块,在多个感受野下提取图像的多尺度特征并进行融合。该算法能够自动提取图像中的特征,有效避免了手工设计特征所存在的局限性,克服了传统舌图像分割方法中存在的鲁棒性不强的问题。3、提出一种将密集卷积神经网络与条件随机场相结合的舌图像分割算法。针对卷积运算提取特征的局部性这一问题,将密集卷积神经网络与全连接的条件随机场相结合,在全局图像的层面上对神经网络分割结果中的舌体边缘部分进行优化。