随着人们生活水平的不断提高,人们对疾病的早期发现和预防有了更高的要求,无创实时检测方法将是人体健康信息获取的重要手段之一,特别是数字化医疗设备和自动识别系统近年越来越受到关注。舌诊是祖国医学望诊的重要组成部分,其诊断依赖于医生本人的学识及从医经验,故诊断结果主观性较强,不利于舌诊的推广和发展。随着移动互联网的发展及移动终端设备的普及,手机已成为移动互联网使用的第一大智能终端。因此,将中医舌诊、移动互联网、移动终端三者相结合,研究一款基于移动终端的中医舌象数据挖掘系统显得日益迫切。舌诊是根据对患者舌面苔迹、颜色、形态等的观察,从而判断疾病所在,因此舌象的颜色等特征是辨证论治的关键信息,使用智能移动终端采集舌象信息具有使用灵活、操作方便的特点,但也易受设备和环境等因素的影响。为保证信息正确、可靠、方便的采集,本文从信息采集标准化方式入手,重点分析不同色彩空间模型下舌象特征表达的特点,确定在RGB和HSI模型开展研究。在无参考色板辅助校正色差的情况下,提出白板作为色标的模式。为获取白板色标标准,本文利用多种不同型号手机,共采集88张样本图片,分别提取R、G、B、H、S、I六个颜色特征向量共264组数据进行统计分析和K-均值分类,实验结果显示手机终端受自动曝光影响,为适应人眼特征,对图片亮度参数进行自动调整,白板亮度偏低,显示为一定亮度的灰度板,但在R、G、B分量上能基本保持一致,因此本文对色彩特征提出了多数表决模式提取色彩矫正变换参数,然后对整幅图片进行校正,通过对真实数据和人工数据比较实验,实验结果显示图像色彩校正效果良好。图像分割为图像色彩校正和识别提供有效保证。本文对阈值分割方法、K—means方法和Snake方法进行了研究,研究R、G、B、H、S、I六个颜色特征对图像分割影响,通过标准三基色和真实图像实验分析,人体舌部主要呈现以红色为主,在H特征图中红色接近0值,因此提供用Otsu方法进行白色区域分割,实验结果显示Otsu方法能很好的分割出白色背景。舌体部分分割采用R和I特征融合图像,然后进行中值滤波,再行边缘检测最后结合Snake方法结合,实现了舌体部分分割。舌象分类是自动识别的关键,本文利用SVM方法对舌图像特征分类开展研究,在研究过程中,本文以R、G、B、H、S、I六个特征为舌象的基本特性,在SVM方法中固定高斯径向基核函数和C、G参数,选取三种典型舌象进行特征提出,采用三次分类学习获得三个分类器,通过测试样本数据对比C-SVM分类实验,结果表明SVM方法适合舌象特征分类。其次在C-SVC分类方法下,本文就参数G对分类效果的影响进行了有益的探索。当G=0.01时,正确率高达93.33%。在完成色标标准化、舌象色彩校正、图像分割和舌象分类研究的基础上,本文就系统进行了设计和初步实现。本系统设计使用移动终端+服务器端模式,采用C/S系统架构,提出的主要功能有:用户信息采集模块、数据库模块、数据挖掘模块、中医舌象诊断模块、中医舌象医典等。在MIT app inventor2移动软件开发环境下,本文实现了客户端数据采集和舌象医典软件的主要功能。