中医临床诊断中，医生通过望舌色的变化可以快速定位病症类型及部位。目前对舌色的自动分析工作主要从样本的单标记角度出发，通过监督学习的方法建立自动分类模型。实际上舌色的变化是一个连续的、渐变的过程，将舌色简单的划分为有限的几个类别在多数情况下无法准确地反映舌象的渐变状态，这不利于后续对健康状况的辅助诊断和治疗。　　本论文首先对原有舌体分割方法进行了改进，使分割出的舌体与实际舌体更为接近;接着分析了舌象样本集中舌质颜色的特点，并首次尝试从标记分布学习的角度对渐变舌象颜色的定量描述展开研究。本论文工作主要包括三个方面:　　1、舌体区域的提取。舌体区域的准确分割与否直接影响到对舌色状态的描述。已有的舌体分割的方法容易出现舌根部信息的丢失或无法准确定位舌体与其两侧唇部间边界的现象。本论文实现了对舌体根部信息的补充和唇部信息的去除，使获得的舌体初始轮廓与实际轮廓更为接近，为实现更为准确的舌体分割提供重要基础。　　2、舌象颜色的重新标记。舌色标记空间中每个颜色标记均可从某种程度上反映当前舌象颜色特点。使用同一舌象与不同标签间数值关系来标记舌象，可以实现对舌色的渐变定量描述，这种标记思想与标记分布学习相一致。借鉴基于内容的图像检索中图像颜色距离的计算方法确定不同舌色间的相对距离，然后使用正态概率密度函数辅助计算舌象与各颜色标签的相对数值关系，最终实现对各渐变舌象颜色的重新标记。　　3、舌色的标记分布学习。标记分布学习是为研究样本与各标记间的关系而提出的。本论文首次使用专用标记分布学习算法与传统学习方法的改进算法对舌象样本的标记分布进行对比实验研究，并给出了舌象颜色标记分布的医学含义，实验结果表明了使用标记分布对舌色进行描述的优势。　　本论文分析了舌象的颜色特征，首次尝试使用标记分布的方法进行舌象颜色的渐变定量描述。该方法不仅能够反映舌象的主要类别，同时也可以对相似的舌象颜色作出了初步区分，这为中医舌诊客观化的进一步发展提供了新的参考。