对世界医学研究而言,关注人们的综合身体状况而非仅仅针对单一疾病已经成为了一个重要的研究方向。这与中医学将人看做一个整体,通过调节整体系统循环来使人体达到健康状况的思想相一致。对人类个体而言,随着生活水平的不断提高,人们对身体健康越来越重视,也更关注疾病的无创、无痛检测。中医学理论认为“有诸内者必形诸外”,人体是一个有机的整体,舌体通过经络与五脏肺腑相连接。中医认为望舌可以了解患者的肺腑虚实、病性寒热、病邪所在、气血盛衰,对病情评估和开方用药起着重要的作用。舌诊通过观察舌象对患者的病理状况进行诊断和分析。因此,中医舌诊最明显的一个优点就是无痛、无创伤。这些契合之处都为中医舌诊未来的发展提供了机遇。然而,由于传统舌诊过于依赖医生的主观判断,也容易受到当时环境、光线等因素的影响,具有不可重复性和模糊性,这不利于中医舌诊的经验传承和长远发展。因此,实现临床舌诊的客观化和现代化成为中医舌诊发展的必然趋势。而随着计算机技术的快速发展和智能移动设备的普及,利用移动设备在自然环境下进行舌象的采集和智能分析逐渐成为新的发展方向。对不同设备在自然光照下拍摄的舌象进行处理分析,成为了计算机舌诊的主要研究课题之一,这也是本文研究的主要内容。为实现算法对不同来源舌象识别的准确性和鲁棒性,除了网络上的公开舌象数据集,本文分别使用专业仪器与智能移动设备采集舌象图,完成数据集的构建,并对舌象进行必要的预处理操作,包括颜色校正和舌体分割,最后对预处理后的舌象进行多标签、多属性的识别。本文主要研究工作如下:舌象预处理:分为颜色校正和舌体分割两部分。首先分析了现有的几种颜色校正方法,针对舌象图颜色分布情况,选取了一种基于图像熵约束的灰度世界算法完成舌象的颜色校正。其次根据舌象图的特点,在使用深度学习算法的基础上,提出一种两阶段卷积神经网络算法用于舌体分割,并设计一种基于形态学的优化算法对分割结果做进一步处理,致力于实现鲁棒的舌体分割。舌象识别:首先对舌象图进行分析,确定舌象识别属于多标签分类问题,针对该问题引入目标检测的思想对数据进行标注,并以多任务学习为主要思路对网络进行设计,使得网络可以同时得到舌象的多种属性。在此基础上,为了进一步提高识别准确度,在网络的训练过程中加入中心损失函数进行联合训练。实验证明,损失函数联合训练的方法在保证算法预测时间不变的同时,可以进一步提高识别精度。