医疗图像技术在医疗领域的作用越来越明显,医生利用医疗图像技术能够更准确地了解病人的病情,做出准确的判断和诊治。但是由于医疗图像本身有噪声等因素的干扰,为了能够准确地了解病情,医疗图像复原和医疗图像分割技术显得尤为重要。在医疗图像复原中,传统的图像复原效果比较差,时间复杂度较高。本文基于统计反演理论处理图像复原问题,充分利用医学图像的先验信息,在先验函数中加入带有正项约束的Gauss白噪声密度函数,对噪声具有很好的鲁棒性。通过构建MCMC算法来进行后验概率密度函数的解估计,分析模拟误差对医学图像复原模型的影响。现有医学图像分割技术无法满足其分类的高精度和高鲁棒性,传统的图像分割算法都需要很好的初始边界值,而目前分割算法选取的边界值无法处理医学图像边界模糊问题。本文先进行医学图像的预处理,然后进行特征提取,最后基于Metropolis-SA算法对四种纹理特征进行分类。MSA算法在迭代速度上更快,精度更高,一致误差更小。