1.一种基于多序列医学图像的血管配准方法，其特征在于：所述配准方法包括以下步骤：

1)获取多序列医学血管图像，选定一个序列图像为配准的参考图像，其他序列图像作为浮动图像；

2)对所述多序列医学血管图像进行去噪处理；

3)血管边缘的shape context描述，血管内外壁分别记为Clumen(X)，Cwall(X)，X代表边缘点坐标，边缘上每一点分别用Shape Context描述子统计其直方图；

4)边缘点匹配

根据参考图像血管边缘点与浮动图像血管边缘点的代价函数Ci,j，其中，pi和qj分别代表颈动脉血管参考图像序列和浮动图像序列的边缘点集，hi(k)、hj(k)分别代表参考图像边缘点直方图和浮动图像边缘点直方图，K代表直方图总共的等级数，k是其中的第k级；

匹配准则是最小化匹配代价函数H(π)：

式中π表示匹配点对的排列；

匹配流程如下：

(4.1)现有pi和qj两个边缘点集，对于pi中的点i，分别寻找qj中Cost值最小的点j；

(4.2)将匹配的信息保存；

(4.3)重复(4.1)，对剩余的点进行匹配，直到所有点全部匹配完成；

(4.4)判断H(π)是否为最小，否则重复步骤(4.1)～(4.3)；

5)滤除误匹配

步骤4)的匹配过程存在误匹配点对，消除误匹配过程如下：(5.1)计算匹配点对(pi，qj)之间的距离D(i,j)；

D(i,j)＝||pi|-|qj||,(i,j)∈π  (3)其中，π表示匹配点对的排列；

(5.2)统计D(i,j)分布情况，求其概率密度函数，式(4)，(5)分别表示其距离分布的均值mean(D(i,j))和方差sigma(D(i,j))：式中L是匹配点对个数，μ代表式(4)的均值mean(D(ij))；

根据式(4)，(5)求其概率密度函数P(D(i,j))：(5.3)滤除误匹配，依据小概率事件理论把匹配点间的距离大于Γ的情况视为误匹配点对，予以滤除；

Γ＝mean(D(i,j))+2.58*sigma(D(i,j))  (7)

6)边缘校正与插值

为了实现参考图像与浮动图像血管组织的像素级配准，根据匹配点对血管壁做迭代演化，使形变后的参考图像与浮动图像血管轮廓能量函数E(pi,qj)达到最小；

式中，pi和qj分别代表颈动脉血管参考图像序列和浮动图像序列的边缘点集，π表示匹配点对的排列；

根据边缘校正后的结果，采用样条插值的方法对浮动图像的局部血管区域做插值，最终得到配准后的结果。

2.如权利要求1所述的一种基于多序列医学图像的血管配准方法，其特征在于：所述步骤2)中，采用小波变换去噪方法，在小波分解的每一层都自适应的选取阈值，在小波分解的低频域采用中值滤波器滤除分布在低频信号中的噪声。

3.如权利要求2所述的一种基于多序列医学图像的血管配准方法，其特征在于：所述步骤2)中，阈值T的函数式(9)：其中αn是噪声的标准差，σg,j是无噪声图像g在小波域内第j层的标准差，M即为小波域内小波系数的总体个数，可调参数k1，k2满足关系 k1+k2＝1，αj为小波域第j层的小波系数取为αj＝1/2j-1，j为小波分解层数；

σn取值是小波域内的最高频小波系数，其值由噪声图像小波分解后最高频子带 的中值计算得到：为噪声图像小波分解的最高频子带；

小波系数在j层的标准差由噪声小波系数 的标准差计算得到：