舌诊是中医学中最有临床应用价值的中医诊断方法之一。近年来,随着计算机科学与技术的迅速发展,传统中医舌诊学朝着计算机化方向发展已经成为必然趋势。本文正是试图推广计算机化中医舌诊的发展,着重进行了舌图像颜色训练和分类问题的方法研究。本文的主要贡献在于:分析了现有舌象颜色分析方法的不足之处;设计了基于像素的舌颜色分类系统结构;提出了一个基于半监督学习的像素分类算法,解决了基于像素的苔色质色分布模型的建立问题;提出了RKNN算法,将一个全局优化问题转化成一个动态局部问题,并将其应用于苔色质色分类中,解决了苔色质色海量像素分类的时间复杂度问题;并计算舌图像的“颜色比例特征向量”,将其应用在对舌图像的总体颜色分类和胰腺炎的自动诊断。首先,本文系统的总结了现有舌象舌色分析方法的不足之处,并根据这些不足产生的原因,正确地选择了舌象图像中的像素作为分类算法的研究对象。接着提出了一种基于半监督学习的医学生物特征识别的新算法,该算法的性能比监督学习与非监督学习的性能更好。其次,本文结合前向选择和后向选择的苔色质色分布模型的训练方法,建立了12种苔色质色的分布模型数据集,较好地解决了基于像素的舌颜色分类系统的颜色模型的建立问题,大大提高了训练样本的质量。本文进一步提出RKNN算法,应用其实现对苔色质色的分类,将一个全局优化问题转化成一个动态局部算法,使之适用于舌象图像中大规模像素的分类计算。最后根据舌图像的12维颜色比例特征向量,实现了对舌图像的整体颜色分类。最后,本文对训练样本和实验结果进行分析,并在中医专家的指导下,对胰腺炎的自动诊断的可行性及其自动诊断效果进行研究,取得了令人满意的成绩。