舌质与舌苔的颜色特征是中医舌诊的重要依据。由于舌与人体状态联系紧密，人在不同状态时的舌质和舌苔颜色是千差万别的。但是，根据中医舌诊理论，存在一些主导舌象变化的关键因素，使得舌象的变化虽然丰富，但是有规律可循，这也是中医舌诊的主要依据。本文假设，各种舌象其实是一个低维流形结构在少数隐含变量的“控制”下所表现出来的多种形态。因此本文采用流形学习方法对舌图像进行分析，目的是考察舌象的内在变化规律，同时尝试发现主导舌象特征变化的关键因素(隐含变量)。围绕着流形学习方法研究和舌象颜色特征提取研究，本文主要取得以下成果： 1)首先介绍了课题的研究背景和目前研究现状，并阐述了课题的研究意义。 2)介绍了两种经典的流形学习算法Isomap和LLE的思想、算法，以及它们在模式识别领域的应用，讨论了它们的性能，并通过实验发现，Isomap更适合用于发掘舌象变化的内在规律。 3)本文结合Landmark Isomap和Incremental Isomap二者的思想，提出一种能够实现新样本快速映射的改进Isomap算法——Fast Mapping Isomap。相比于原始Isomap，该算法能够快速地将新样本映射到低维空间，而且计算量更小。在典型数据库上的实验结果表明，该算法降维结果保留了样本的近邻关系和主要特征。 4)本文提取了两种原始特征向量：基于象素的特征向量和基于直方图的特征向量。从Isomap降维结果来看，象素特征能发现舌苔颜色信息，以及形状信息，但没有发现舌质颜色的相关信息。说明形状信息掩盖了部分颜色信息，使得颜色特征的提取变得困难。而直方图特征针对性强，很好地提取出了舌质和舌苔的颜色特征。因此，本文得出结论，直方图特征更适合提取舌象的颜色特征。 5)利用Fast Mapping Isomap进行了舌图像检索的实验。检索结果表明，无论是舌质颜色，还是舌苔颜色，甚至是舌苔的分布，都与查询样本非常相似，说明由Fast Mapping Isomap得到的低维坐标可以作为舌象颜色特征，用该坐标进行舌图像检索是可行的。