1.一种融合灰度特征与结构化表示的图像群组配准方法，其特征在于：所述图像群组配准方法包括如下步骤：

1)从机器中获取的原始图像，并获得该图像的结构化表示，并将此结构化表示以及原始图像作为输入数据输入；

2)对输入图像不断进行仿射变换，并求取变换后图像的相似度量，使变换后图像为相似度最优；

3)对仿射变换后相似度达到最优的图像不断进行B样条变换，并计算B样条变换后图像的相似性度量，使B样条变换后的图像的相似性最优，从而获得最终的精配准图像；

所述步骤1)中，获得图像的结构化表示的过程：

2.1)选择一个设定大小的块；

2.2)计算块的概率密度函数，即描述图像的灰度分布情况，利用图像的灰度直方图来计算图像的概率密度函数，设图像I的灰度级范围为[0,L-1]，则I的直方图用离散函数h(rk)来表示：h(rk)＝nk k＝0,1,...,L-1                    (1)其中，rk表示第k级灰度值，nk表示图像I中灰度级值为rk的像素个数；

设图像I的行数和列数分别为M和N，则归一化的直方图即图像I的概率密度函数p(rk)表示为：

2.3)计算块的熵，所述熵是香农熵，将块的灰度值看做随机变量，香农熵表示为：其中，H表示香农熵，i表示灰度值的可能取值，pi是指定的块的概率密度函数；

对整幅图像进行划分块，每块按照2.1)～2.3)操作得到整幅图像的结构化表示。

2.如权利要求1所述的融合灰度特征与结构化表示的图像群组配准方法，其特征在于：所述步骤2)、3)中，对于给定的N幅图像{I1,I2,...,IN}，群组配准旨在找到最优的变换T使得输入的N幅图像达到空间上的对准， Tn表示图像In的变换， 表示对In进行变换后的图像；

群组配准表示为目标函数：

S(T)＝S(I1(T1),I2(T2),...,IN(TN))           (4)其中，T1，T2，…，TN分别是图像I1，I2，…，IN的变换，S(T)是变换后图像I1(T1)，I2(T2)，…，IN(TN)的相似性度量；

将原始图像和图像的结构化表示同时作为输入图像，此时的目标函数包含两部分内容：S(T)＝Sintensity(T)+Sstructural(T)                 (5)其中，Sintensity(T)表示利用原始图像的灰度信息得到的目标函数分量，Sstructural(T)表示利用结构化表示的图像表示得到的目标函数分量。

3.如权利要求2所述的融合灰度特征与结构化表示的图像群组配准方法，其特征在于：采用信息熵来表示相似性度量，用xm表示输入图像的一个采样点，用S(I(T(xm))表示变换后图像在xm处的熵，群组配准的目标函数表示为：其中，Gσ表示方差为σ2的高斯核，dij(xm)＝Ii(Ti(xm))-Ij(Tj(xm))表示变换后的图像Ii(Ti(xm))和Ij(Tj(xm))在点xm处的距离。