舌诊是中医望诊中的重要项目,也是中医学中最常用、最有应用价值、最有特色的诊法之一,因此中医舌诊客观化研究对宏扬我国传统医学具有重大的意义。本文综合使用了信息融合、图像处理和模式识别等多种技术手段,尝试从信息融合的角度入手,基于信息融合中特征层融合的思想设计了基于CART的AdaBoost分类器,把非同源特征信息融合成一个完整的、代表舌图像全局信息的特征向量,在训练过程中对特征进行选择和权值分配,最终获得分类结果。整个过程分为舌体特征提取与分类器设计与实现两个主要部分。特征信息提取分为舌面特征提取和舌下特征提取两个部分。在舌面特征提取部分,提取了颜色和纹理——这两个最重要的舌面特征。为了获取全面的颜色和纹理特征信息,本文分别从RGB、XYZ、CIE-Lab、CIE-LUV四个色彩空间进行颜色特征提取,并采用了灰度共生矩阵和Gabor变换两种方法进行纹理特征提取。在舌下特征提取部分,本文率先以可以完整保存舌下静脉形态信息的近红外图像为研究对象,综合运用数学形态学方法,如:分水岭算法、动态阈值法、可变腐蚀元迭代法等,对舌下静脉图像进行分离舌体轮廓、去反光、求取舌下静脉候选区域等操作,最终应用区域生长法提取出静脉轮廓。分类器设计方面,本文设计了基于CART决策树的AdaBoost分类器。该分类器以经过融合后的颜色特征和纹理特征为输入,以被采集图像者是否患有疾病的判断为输出。最后的实验结果表明,该算法可以取得较理想的分类效果。在这个过程中,本文亦对AdaBoost算法的特征选择能力进行了分析和验证,证明了AdaBoost在这方面的优良性能。