中医学是一种起源于中国,以古代中国人的医学实践为主体的传统医学。检查舌象的状态是中医诊断学中应用最广泛、最有价值的方法之一。舌诊利用各种舌象特征,包括颜色、纹理、形状等,来进行诊断。在舌诊学中,舌在颜色、纹理、形状等方面的特征,既是内部病变的一种敏感标志,又是不可替代的一种区分中医证候的准则。近年来,许多学者致力于将模式识别与图像处理技术相结合,寻求中医舌诊不量化问题的解决方案。然而,由于中医舌诊过分依赖于个体的感受和经验,阻碍了这个学科的进一步发展。为了解决上述问题,本论文对中医舌诊现代化过程中舌图像特征分析与诊断分类等内容进行了初步的研究,主要包括：(1)舌色特征分析：颜色是一种视觉感知的属性,人体组织的颜色信息在医学诊断中起着重要的作用。在舌诊学中,舌色是用来进行诊断的最重要的依据。然而在诊断过程中,由于临床医生主观意识的影响,舌色分析的结果存在着大量不精确性和不确定性。为了尽量减少这些主观因素的影响,本文提出一个非参数化半监督学习的框架。它应用前向选择和后向选择来获得正确的像素样本,并用这些样本构建像素原型集。该像素原型集则可作为舌色量化的依据。实验结果显示：构建的像素原型集,可以用来将舌图像中的所有像素区分为12个舌色类别。(2)一种舌象纹理特征的分析(蕈状乳头增生识别)：本文提出了一种计算机纹理识别技术,来判定舌面上的蕈状乳头是否增生。首先进行纹理块获取,在经过检测反光点与去除反光点的预处理后,利用一组2维Gabor滤波器组,来提取和表达纹理特征,然后运用线性判别分析对舌图像数据库中的数据进行分类,实验结果合理的证明了方法的有效性。(3)舌形特征分析：本文提出一个舌形自动分类方法。首先利用三个几何准则来校正舌形歪斜；然后提出七个与长度、面积和角度相关的几何特征；接着用七个层次分析法的模块,将高度主观和抽象的专家评价解析成可度量的机器表达,每一个模块被用来决定一个舌图像是否属于一个特定的舌形类别；最终应用一个模糊融合的框架,来确立量化特征与舌形类别之间的不确定性。在362个样本的实验中,取得了90.3%的分类准确率。(4)八纲证候的诊断分类：该部分主要包括基于舌色冷暖属性判别的“寒证”“热证”分类。冷色、暖色、过渡色这些词也是舌色属性的一部分,这种舌色的冷暖属性与证候有着紧密的联系。本文提出了一个半监督学习(cluster and label)的模型,通过舌色将舌图像上的所有像素区分为3类：冷、暖或过渡色。这个模型首先利用期望最大化算法,将所有的像素区分为很多个聚类,这次聚类的数量较大(共150个聚类),而每个聚类的尺度较小。然后人工标定将赋予这些聚类3种舌色冷暖属性的类别标签：冷色、暖色、过渡色。最后使用一个查找表将所有像素区分为舌色冷暖属性的三个类别,并以此为依据,将舌图像样本区分为“寒证”或“热证”。除此之外,我们还利用前面章节所提取颜色和纹理特征作为特征矢量,进行诊断分类研究,列出了一些针对“虚证”“实证”分类、“表证”“里证”分类的初步研究结果,从而最终初步实现了对中医中最重要的辨证方法——八纲辨证的分类研究。本论文在舌特征提取和诊断分类方面进行了有益的、探索性的尝试,为中医舌诊自动化诊断提供了一种有效的解决途径。