牙体缺损、牙列缺损及牙列缺失是人类的常见病、多发病。随着新材料和新技术的不断发展，人们对牙齿修复体的要求已经不仅仅局限在形状和质量上，更要求修复体的颜色与天然牙的颜色达到完美匹配，使修复体在视觉上更逼真。在我国，医生主要采用视觉比色法比色，由于医生的视觉疲劳和比色技师个人主观因素和其他因素的影响，比色结果很难令患者满意。而计算机比色(Computer Colormatching, CCM)消除了人为因素的影响，提高了比色的准确率和效率。以往的研究中牙齿比色主要运用了中心域、九分法等，取得了一定的成果，但是每次只能为一颗牙齿比色，比色效率和准确率较低。本文把模式识别技术应用到牙齿比色领域，实现了牙齿颜色自动识别任务，提高了牙齿比色的准确率和效率。本文主要完成了以下工作：　　 第一，建立了实验所用的牙齿模型数据库。通过对彩色图像的颜色空间、牙齿颜色特征、Vita16比色板和光源性质的深入学习，选定自然光为光源，德国生产的Vita16比色板（16个比色片）为研究对象，均匀的蓝色为背景，在特定时间、特定周围环境下用索尼数码相机对比色板的16个比色片平行拍照采样，建立了牙齿模型数据库。　　 第二，完成了牙齿目标图像的自动定位和分割。首先将图像由RGB颜色空间转换到HSV颜色空间，其次对色度图像进行二值化和膨胀运算处理，最后通过投影法确定目标图像在原始图像中的位置，把目标图像分割出来。　　 第三，采用主成分分析算法对目标图像进行特征提取。针对目标图像信息较大的特点，本文采用PCA和2D PCA算法完成了对高维牙齿图像的降维，得到的主成分特征作为分类器输入参数进行分类处理。　　 第四，设计牙齿比色分类器。设计了K-近邻(KNN)、支持向量机(SVM)和概率神经网络(PNN)多类分类器，分别选取不同的分类器和分类参数进行实验，对实验结果进行了评估分析。本文使用三种分类器，SVM分类器的识别率为97.59％,PNN识别率为95.625％, KNN识别率为94.37％，识别效果良好。　　 实验结果表明，本文工作为计算机辅助牙齿比色的研究提供了很好的支撑。