1.一种眼底多光谱图像联合配准方法，其特征是：包括以下步骤：对眼底多光谱图像进行预处理，去除黑色边缘背景；

对多光谱序列中的图像分别提取SIFT特征点；

根据提取到SIFT特征点的位置，通过匹配损失函数计算匹配损失，构造矩阵；

对图像中的特征点进行编码表示，构造二次型优化模型；

针对二次型模型执行投影幂迭代算法进行优化非凸求解；

通过求得的特征点的对应关系，计算求得变换矩阵。

2.如权利要求1所述的一种眼底多光谱图像联合配准方法，其特征是：采集眼底多光谱序列图像，具体包括左眼和右眼图像，采集波长包括琥珀色光、绿色光、黄色光、4个波长的红色光和4个波长的红外色光。

3.如权利要求1所述的一种眼底多光谱图像联合配准方法，其特征是：提取序列中随机幅图像进行联合配准，去除黑色边缘背景，即三通道像素值均为(0,0,0)所有像素点，进行均值滤波去除噪声。

4.如权利要求1所述的一种眼底多光谱图像联合配准方法，其特征是：利用SIFT算法，从多幅图像中提取对尺度缩放、旋转和亮度变化无关的特征向量，首先构建不同尺度空间，在不同尺度检测极值点，获得具有尺度不变性的特征点，通过拟合精细模型来进一步筛选特征点。

5.如权利要求4所述的一种眼底多光谱图像联合配准方法，其特征是：对眼底多光谱序列中的每张图像中的每个SIFT特征点周围，取一设定大小的邻域，同时考虑特征点周围邻域内所有点的灰度变化和梯度变化信息，计算两个图像的不同特征点之间的匹配损失，将多幅图像中任意两幅图像之间匹配损失进行组合，构成矩阵。

6.如权利要求1所述的一种眼底多光谱图像联合配准方法，其特征是：对图像中的特征点进行编码表示时，将图像中特征点通过彼此正交的基准特征向量进行表示，保证每一个特征点有唯一独立的表示方式，将序列图像中的一组特征点分别用基准向量，构成一个长向量，利用该长向量与行程的匹配损失矩阵，构建眼底多光谱图像二次型模型。

7.如权利要求1所述的一种眼底多光谱图像联合配准方法，其特征是：利用投影幂迭代算法求解构造的眼底多光谱图像二次型优化模型时，计算匹配损失矩阵的最低m秩近似矩阵，进行幂乘、投影操作，依次迭代，直至收敛，去除配对成功的特征点，从剩余特征点中任意选取一个投影幂迭代，直至完成所有特征点的匹配。

8.如权利要求1所述的一种眼底多光谱图像联合配准方法，其特征是：根据求得匹配点对之间的坐标，将所有特征点对带入到图像的变换矩阵，以对图像进行缩放、旋转、对称、错切、投影、平移或缩放变换中的一种或多种。

9.一种眼底多光谱图像联合配准系统，其特征是：运行于处理器或存储器上，被配置为执行以下指令：对眼底多光谱图像进行预处理，去除黑色边缘背景；

对多光谱序列中的图像分别提取SIFT特征点；

根据提取到SIFT特征点的位置，通过匹配损失函数计算匹配损失，构造矩阵；

对图像中的特征点进行编码表示，构造二次型优化模型；

针对二次型模型执行投影幂迭代算法进行优化非凸求解；

通过求得的特征点的对应关系，计算求得变换矩阵。

10.一种眼底多光谱图像联合配准系统，其特征是：包括：

预处理模块，被配置为对眼底多光谱图像进行预处理，去除黑色边缘背景；

特征点提取模块，被配置为对多光谱序列中的图像分别提取SIFT特征点；

匹配损失计算模块，被配置为根据提取到SIFT特征点的位置，通过匹配损失函数计算匹配损失，构造矩阵；

优化模型模块，被配置为对图像中的特征点进行编码表示，构造二次型优化模型，针对二次型模型执行投影幂迭代算法进行优化非凸求解；

结果输出模块，被配置为通过求得的特征点的对应关系，计算求得变换矩阵。