舌诊通过观察舌象的变化来诊察疾病，是中医诊法的特色之一。然而传统舌诊容易受到医生主观判断和客观环境等因素的影响，为此，近年来人们对舌诊客观化问题开展了广泛深入的研究。　　舌图像分割是舌诊客观化研究中的重要组成部分，它是后续舌象特征分析的前提和基础。人舌体表面往往含有大量的病理细节，即舌象随不同个体以及不同病症呈现出不同的特征，这些给舌图像分割带来了很大的影响。现有舌图像分割方法主要利用图像的底层信息如灰度、边缘等，单凭这些信息很难将舌体准确的分割出来。基于主动轮廓模型的图像分割方法能够结合局部和全局信息，将图像自身底层视觉属性和人们对分割目标的知识和理解有机结合起来以获得分割目标的完整描述，论文采用主动轮廓模型的分割方法，对其应用于舌图像分割做了深入的研究，获得了良好的舌图像分割结果。　　论文首先将现有舌图像分割方法应用于新的采集环境下获取的舌图像，得到的分割结果不理想，存在舌体残缺不全的情况。进一步分析发现导致分割结果变坏的原因有两点：一是舌体和人脸的色度不再具备双峰分布的特性；二是忽略了舌根部位的准确区分。为此，论文在色度阈值基础上加入口腔区域，通过Snake模型初步提取得到完整的舌体，接着使用OTSU方法确定舌根部的轮廓。实验结果表明改进方法获得了更准确的分割结果。　　由于舌图像采集设备和环境多变，这对分割算法的鲁棒性提出了更高的要求，为此论文又提出了一种基于形状先验水平集的高鲁棒性舌图像分割方法。该方法首先根据改进的色度计算方法对舌体色度进行统计，确定了舌体的大致区域，接着利用采用内部对齐机制的形状先验水平集方法进行分割，最后将上步结果嵌入到人机交互的分割框架中。实验证实了该方法具有较快的收敛速度和较高的鲁棒性。　　论文分析了舌图像主观评价方式存在的不足，为了对舌图像分割结果进行更全面客观的评价，论文选取了基于区域的定量实验的舌图像分割评价方法。通过对论文提出的主动轮廓模型舌图像分割方法再次评价，验证了它们的准确性和鲁棒性。