1.一种基于最小代价路径进行图像标签传播的方法，其特征在于，所述方法通过下述步骤找到无标记图像数据样本节点的标记：S1、对包括有标记图像数据样本和无标记图像数据样本的图像数据样本构建能够表达所有无标记图像数据样本节点的近邻情况的无向连通图G，所述图像数据样本的前l(l＜＜n)个图像数据样本为已标记图像数据样本，其余为无标记图像数据样本；图G中的每个节点为一个图像数据样本，且每一个图像数据样本xi，都属于C类中的一个，其中C＝{1...c}；

S2、基于图G得到边矩阵W，所述边矩阵W的元素wij为图像数据样本节点xi到xj之间的距离；

S3、将边矩阵W重置为W′以避免由于图中只存在每个图像数据样本节点的若干个近邻节点而导致的完全无向图变成稀疏有向图；

S4、从任意一个无标记图像数据样本节点xi出发，基于W′寻找到其传播到某个有标记图像数据样本节点xj的路径，该路径是无标记图像数据样本节点xi向其它有标记图像数据样本节点传播过程中具有最小代价的路径，将该路径称为最小代价路径；

S5、将无标记图像数据样本节点xi标记为有标记图像数据样本节点xj的标记；

其中，Rd表示含有所有已标记数据和无标记数据的集合，其中每个数据的维度为d。

2.根据权利要求1所述的方法，其特征在于：

所述无向连通图G基于KD树搜索的K个近邻进行构建。

3.根据权利要求2所述的方法，其特征在于：

所述wij的计算公式如下，即所述图像数据样本节点xi到xj之间的距离根据他们之间的特征关系进行计算：这里的xik为数据xi的第k维。

4.根据权利要求3所述的方法，其特征在于：

所述边矩阵W的重置规则为：

其中，1≤i，j≤N，N为图像数据样本集合的大小。

5.根据权利要求4所述的方法，其特征在于：

所述最小代价路径通过构建最小生成树的过程寻找。

6.根据权利要求5所述的方法，其特征在于：

所述构建最小生成树的过程通过改进的prim算法构建，即使用prim算法在构建最小生成树的过程中，当查找到一个已标记图像数据样本节点或者一个已经获得了标记的图像数据样本节点时，则认为最小生成树构建完毕。

7.根据权利要求6所述的方法，其特征在于：

所述改进的prim算法通过下述步骤查找到一个已标记图像数据样本节点或者一个已经获得了标记的图像数据样本节点：S41：从任一无标记图像数据样本节点xi开始来建立最小生成树，计算xi邻接的所有近邻与xi的距离，记录每个近邻的距离，将它们放入一个集合 中并将该集合作为子集合放入集合Ux中；

S42：将所述集合 中选择与xi的距离最近的近邻xl放入一个集合U中，从集合 中删除xl；所述集合U中的元素按照它们的近邻距离从小到大进行排列；

S43：从所述集合U中选择第一个元素xk，如果xk尚未被加入最小生成树中，则执行S44；

否则执行S45；

S44：将xk加入到最小生成树，计算xk的所有近邻与xk的距离，记录每个近邻的距离，将它们放入一个集合 并将该集合作为子集加入集合Ux中；并从 中与选取与xk的距离最近的近邻加入U，然后将该点从 中删除；

S45：将xk从所述集合U中删除；若xk原属于集合 且 非空，则将 中与xl的距离最近的近邻加入集合U，并从集合 中删除该节点；

S46：重复步骤S43～S45，直到当最小生成树中加入了一个有标记图像数据样本节点xj时，则所有最小生成树上的节点均被标记为xj的标记，清空集合Ux和U；若所述集合U为空的时候，而最小生成树中仍未加入到一个有标记图像数据样本节点时，那么将整个最小生成树的所有无标记图像数据样本节点记录为不连通图像数据样本节点，清空集合U；

S47：重复步骤S41～S46，直至所有的无标记图像数据样本节点都被检查了一遍。

8.根据权利要求7所述的方法，其特征在于：

所述改进的prim算法还包括：

S48：对每个不连通图像数据样本节点重新标记为无标记图像数据样本节点，扩大搜索近邻节点的数量范围后，重新执行步骤S41～S47，直至所有的无标记图像数据样本节点都变成有标记图像数据样本节点。