1.一种面向CBCT图像的密度峰值超像素预处理方法，其特征在于：所述方法包括如下步骤：步骤一：输入CBCT图像的超像素目标数目k和需凸显特定组织的Hu值范围，从原始的CBCT数据中的Hu值逐一转化为亮度值li,得到亮度图L＝{li|1≤i≤n},li＝Hui+1024,

其中n为亮度图L的像素总数，CBCT亮度图的单个像素的向量表示为pi＝(xi,yi,li)，(xi,yi)为像素在亮度图中的坐标值；

步骤二：选取像素pi的K个最近邻居像素构成的集合P， 根据每个邻居像素pj∈P和pi之间的欧式距离 计算像素pi的局部密度ρi步骤三：计算每个像素的距离 即像素pi的距离为pi到最近的大密度像素点的距离；

步骤四：计算每个像素的决策值γi＝ρi×δi；

步骤五：根据决策值，取与前k个决策值对应的像素点为聚类中心集{c1,c2,...,ck}，并将cj对应的像素点标签 标记为j；

步骤六：遍历像素点，对于未标签的像素点pi，计算pi与聚类中心cj的距离d1(i,cj)＝β×dc+(1‑β)×ds，0＜β＜1，其中 为pi与cj的亮度分量距离， 为pi与cj的空间坐标分量距离，并将像素点pi的标签置为使距离d1(i,cj)最小所对应的聚类中心的标签,生成超像素分割像素集 得到CBCT区域级图像；

步骤七：合并超像素，对于超像素Si，如果‖S‖i小于 即超像素Si包含的像素数小于预期超像素的平均大小，则计算超像素Si和相邻超像素Sj的距离其中 和 为对应超像素所有像素的平均亮度和平均坐标，把Si合并到使距离d2(Si,Sj)最小对应的超像素Sj中去，即把Si中所有像素的标签置为Sj中的像素标签，完善能有效表示图像特征的CBCT区域级图像。