图像聚类已成为图像识别的一种关键技术。而医学图像识别是医学图像分析和理解的重要内容,在医学临床诊断中具有重要作用。因而,研究适合于图像识别的图像聚类算法具有重要意义。目前,医学图像聚类算法还没有达到理想的识别效果,不能完全满足医学图像分析和理解的要求。本文试图研究适合于医学图像识别的基于高斯混合密度模型的聚类方法及其算法。本文研究了高斯混合密度模型和基于高斯混合密度模型的聚类方法,构造出医学图像的高斯混合密度模型,提出了基于EM的医学图像高斯混合密度模型参数估计算法及其改进。论文研究工作主要体现以下几个方面:(1)系统研究了概率密度函数的参数估计、非参数估计的理论和方法,特别阐述了基于高斯混合密度模型的参数估计属于半参数估计的理论和方法。发现基于高斯混合密度模型聚类算法适合于医学图像的聚类分析。(2)针对模型选择的问题,提出了改进的QAIC准则函数。理论和实验证明,该函数适合于确定医学图像高斯混合密度模型的分量数。研究中使用试探法验证了改进的QAIC准则函数的正确性。(3)研究了高斯混合密度模型的医学图像应用问题,提出了基于高斯混合密度模型的医学图像数据分布描述方法。(4)针对k-均值初始化高斯混合密度模型参数对参数估计值比较敏感的问题,提出了基于蚁群算法改进的k-均值算法,并将之应用于确定高斯混合密度模型初始值。实验证明,改进的初始化算法对医学图像会产生更好的聚类效果。(5)通过研究医学图像每个像素点的特征矢量对高斯混合模型的贡献程度不同,提出医学图像的加权高斯混合密度模型和基于加权高斯混合密度模型的医学图像聚类算法。