法医学家在做体表损伤司法鉴定时,往往需要综合考虑体表损伤面积大小、损伤区域皮肤颜色变化程度、相关鉴定标准等多种因素才能判定体表损伤级别。在研发新版本的“体表损伤司法鉴定软件”时，合作单位提出了自动化识别体表损伤区域皮肤颜色变化程度的需求。　　从法医专家标记过损伤区域皮肤颜色变化等级的体表损伤图像样本中，分别提取RGB、HSV等五种颜色空间下的颜色特征，经变换函数和区间划分算法处理后，构造了自动化识别“皮肤变色”等级的区间划分分类模型。实验结果表明：与法医学专家给出的“简易模型”相比，基于区间划分的分类模型对皮肤变色程度具有较高的分类识别率，但还需进一步的工作以提升该模型的分类正确率。　　此外，本文还考察了四种基于机器学习(数据挖掘)的多分类算法对体表损伤区域皮肤颜色变化程度的分类能力。四种多分类算法分别使用五种颜色空间下的样本数据进行模型训练和测试。实验结果表明：与区间划分分类模型相比，采用的机器学习多分类模型的分类效果更好。其中，ECOC-SVM算法和Decision Tree算法在使用五种颜色空间的测试集测试时都获得了90％以上分类正确率。