1.一种利用词汇树引导的无人机倾斜影像特征匹配方法，其特征在于，包括以下步骤：S1：利用无人机UAV影像构建词汇树，具体如下：

S11：利用SIFT算法对UAV影像进行特征点提取；

S12：UAV影像特征选择，即采用随机采样策略选择UAV影像集，从原始数据集中选择一个比例p的影像集X＝{xi},i＝1,2…,n，0＜p≤1,n为影像的总数，xi表示第i个影像；然后，采用尺度约束策略分别对每个影像xi选择特征子集P＝{pi},i＝1,2…,h，即对于每个影像xi，将S11中提取的特征点按照尺度因子从大到小排列，选择前面h个特征点，影像集X中所有选择的特征构成训练特征，所述训练特征包括n个影像，每个影像包含h个特征点，h为预设值；

S13：对于步骤S12中选择的训练特征，采用分层K-means聚类算法构建词汇树W＝{wi},i＝1,2,...,v，w表示单词，v表示单词总个数；

S2：基于词汇树建立UAV影像索引，UAV影像索引的本质就是利用单词对UAV影像进行描述，得到每张影像对应的词频向量，即利用S1生成的词汇树W＝{wi},i＝1,2,...,v，UAV影像采用一个v维向量vd＝(t1,…,ti…,tv)进行描述,向量vd中的元素ti表示单词wi在id号为d的影像中出现的加权频率，即其中，nid表示单词wi在id号为d的影像中的频数；nd表示id号为d的影像包含的总词汇数；Ni是包含单词wi的影像数；N表示UAV影像的总数；

UAV影像索引建立步骤具体如下：

S21：利用KDTree算法建立单词集合W的最近邻查找索引TW；

S22：对于id号为d的影像的每个特征点pi，从索引TW中搜索特征点最近邻单词wj，将搜索到的特征点最近邻单词wj记录到倒排索引结构，倒排索引采用“单词-文档”的结构建立单词与文档之间的索引关系，即在单词wj对应的倒排文件列表中增加一条记录(d,i)；

S23：按照步骤S22处理所有影像，即实现了基于词汇树的UAV影像索引的构建；

S3：基于词汇树构建的UAV影像索引，引导UAV影像匹配，具体如下：

S31：引导UAV影像匹配对选择具有空间重叠的影像对，避免无重叠影像对匹配导致的时间消耗和错误匹配；

S32：利用词汇树构建的“单词-文档”索引关系，约束UAV影像候选匹配点，将候选匹配点限定在一个更小的集合内部；

S33：将经过上述S31得到的影像匹配对和S32得到的候选匹配点后进行UAV影像匹配。

2.根据权利要求1所述的一种利用词汇树引导的无人机倾斜影像特征匹配方法，其特征在于，所述S13中对于训练特征，词汇树的构建步骤如下：S131：利用K-means聚类算法确定训练特征的K个初始聚类中心；

S132：根据最近距离测度，将输入的特征子集合划分为K个子集，构成词汇树的第一层，其中根节点为第零层；

S133：对每个子集进行迭代的聚类操作，直到词汇树的层数或者叶子节点数达到给定的阈值256*256；那么，词汇树的叶子节点就构成了用于影像描述的单词集合W＝{wi},i＝

1,2,...,v；其中wi表示第i个单词，v表示单词总个数。

3.根据权利要求1所述一种利用词汇树引导的无人机倾斜影像特征匹配方法，其特征在于，所述S31中采用影像检索技术进行影像匹配对选择，基于S2建立的UAV影像索引结构，可以得到任意两张影像xi和xj的加权词频向量vdi和vdj,那么，影像xi和xj的相似性采用词频向量vdi和vdj的夹角余弦值进行量化，即得到影像xi和xj的相似性值,依此步骤，可以得到影像xi与其他所有影像的相似性值,那么，影像xi的匹配对选择就是选择与其相似性值最高的T个影像，构成影像匹配对Mi＝{(xi,xj)},j＝1,2,…T，T为预设值。

4.根据权利要求1所述一种利用词汇树引导的无人机倾斜影像特征匹配方法，其特征在于，所述S32中约束UAV影像候选匹配点的具体方法如下：S321：对词频向量vdi和vdj求与运算，得到一个V维标识向量fij；

S322：对于标识向量fij中任一取值为1，索引为k的元素，从单词wk的倒排文件中查找影像ii和ij的所有特征点，得到Pki和Pkj；

S323：按照步骤S322处理标识向量fij的所有取值为1的元素，得到影像匹配对(xi,xj)的候选匹配点集合列表Cij＝{(Pki,Pkj)}。

5.根据权利要求4所述一种利用词汇树引导的无人机倾斜影像特征匹配方法，其特征在于，所述S33进行UAV影像匹配步骤如下：S331：对于UAV影像匹配对(xi,xj)，遍历Cij的每一个候选匹配点集合(Pki,Pkj)；

S332：对于Pki中任一特征点pki，从Pkj中搜索与其欧式距离最近的两个特征点pkj1和pkj2，如果最近特征pkj1和次近特征pkj2的距离比值小于给定阈值Td，那么保留当前匹配点(pki,pkj1)；

S333：重复S332，得到影像匹配对(xi,xj)的初始匹配结果；

S334：基于RANSAC算法的基本矩阵估计，利用影像匹配对的几何约束优化初始匹配结果，得到最终的匹配点。