1.一种基于边缘概率的口腔CBCT超像素生成方法，其特征在于：所述方法包括如下步骤：步骤一：选择口腔CBCT影像的某一位面图，输入最近邻居数K和超像素目标数目k，根据感兴趣区域的窗宽WW、窗位WL对CBCT图像的像素值进行初始化，将窗口外的CT值l进行变换：步骤二：对口腔图像各像素点p的CT值lp、边缘强度值ep、像素空间横坐标xp和纵坐标yp进行归一化映射到区间[0,1]，通过核函数φ(·)将基于边缘强度的像素点四维向量表示进行映射得到八维空间表示其中ep使用Canny边缘检测算法计算，α为像素的灰度权重，β为边缘强度权重，γ为空间相邻度权重，W(p,q)为像素点p和q的相似度度量，q＝[lq,eq,xq,yq]，V为所有像素点的集合；

步骤三：计算像素最近邻密度，对于口腔CBCT图像I中的任一八维向量表示的像素pi，计算pi到以pi为中心、半径为 的邻域内像素点pj的距离dij，从中选出最小的前K个值组成pi的最近邻邻域 计算pj的密度ρidij为像素pi与pj的欧式距离：

步骤四：计算像素距离和决策值，若像素pi在半径为 的邻域NL内为密度最大，则为局部密度极大值点，计算所有局部密度极大值点pi的距离δi为到局部密度极大值点集合NL中其他大密度点pj的最近距离依据距离δi和密度ρi计算所有局部密度极大值点的决策值λi＝ρiδi；

步骤五：生成超像素，选择前k个大的决策值对应的像素为聚类中心点，将所有非聚类中心点pi归类到其加权距离d(pi,cj)最近的聚类中心点cj，归为同一类的像素点构成的集合即为一个超像素，步骤六：合并不合理区域，对生成的超像素，存在过小或者孤立的区域，将这些区域合并到平均距离最近的相邻超像素中去，得到口腔CBCT图像的超像素分割结果。