1.一种基于改进ORB特征算法的图像拼接方法，其特征在于，包括以下步骤：步骤1，对待拼接图像进行预处理，然后构建Hessian矩阵，使用Hessian矩阵局部极值来确定每个待拼接图像的特征点；

步骤2，使用带有旋转特性的BRIEF二进制特征描述符提取每个待拼接图像的特征描述子；

步骤3，使用Hamming距离对特征点进行粗匹配，并使用网格运动特征算法区分正确匹配和错误匹配点对；然后使用改进后的随机采样一致性算法去除错误匹配特征点对，以提高匹配精度；

步骤4，采用基于动态规划算法对两张待拼接图像的重叠区域进行搜索，得到最佳缝合线；

步骤5，利用最佳缝合线将两张待拼接图像的重叠区域划分为：缝合线左侧区域、缝合线区域、缝合线右侧区域；

步骤6，根据区域划分结果，对两张待拼接图像的重叠区域进行分段融合，完成图像拼接；

步骤3中，所述使用Hamming距离对特征点进行粗匹配为根据待拼接图像的特征描述进行特征点的匹配，具体为：选取一个特征点的特征描述与其他任意一张待拼接图像的特征点的特征描述进行逐位的异或运算，运算结果的相似率高于设定匹配阈值，则表示特征点匹配成功；

步骤3中，所述使用网格运动特征算法区分正确匹配和错误匹配点对，具体为：

3.1，将两张待拼接图像分别进行网格化，设每一个区域对存在{M,N}个特征点，任意网格中的匹配点的匹配都是独立的，则S其中，K

3.2，计算正确匹配和错误匹配分别对应的均值m

3.3，根据网格划分结果，得到每个网格区域中的匹配点对对应的二值化表达式：根据正确匹配和错误匹配对应的均值和标准差，区分正确匹配和错误匹配点对，并剔除错误匹配点对；

其中，x

步骤3中，所述使用改进后的随机采样一致性算法去除错误匹配特征点对，具体过程为：

3.4，对于步骤3.3后得到的正确匹配点对形成的匹配特征点集S，在S中随机选取4对匹配点，对这4对匹配点进行拟合，得到一个变换矩阵；

3.5，利用变换矩阵模拟S中的剩余点，如果某个点满足步骤3.4中得到的变换矩阵且拟合误差小于设定误差阈值，则判断该点为内点，并将其加入内点集合中，更新内点集；

3.6，判断更新后的内点集中的特征点个数是否大于设定的最大值，若是，则按照步骤3.4重新计算新的变换矩阵，否则重复步骤3.4-3.5；

3.7，将内点集中的特征点进行匹配，保留满足精度的特征点对，去除错误匹配特征点对。

2.根据权利要求1所述的基于改进ORB特征算法的图像拼接方法，其特征在于，步骤1中，所述对待拼接图像进行预处理为：对待拼接图像进行空间几何变换，所述空间几何变换包括平移、旋转、缩放。

3.根据权利要求1所述的基于改进ORB特征算法的图像拼接方法，其特征在于，步骤1中，所述构建Hessian矩阵，使用Hessian矩阵局部极值来确定每个待拼接图像的特征点，具体步骤为：

1.1，对每个待拼接图像构建多层金字塔：最底层图像为原始待拼接图像，模糊度最小，由最底层往上每层图像的模糊度依次增加，且相邻两层金字塔间的缩放比例因子为2；

1.2，使用不同方向的盒子滤波器对金字塔的每层图像进行滤波处理，得到滤波后的多尺度图像；

其中，盒子滤波器的滤波函数为高斯函数；改变盒子滤波器的滤波窗口的尺存来获得图像特征点的尺度不变性；

1.3，构建Hessian矩阵，使用Hessian矩阵局部极值来确定响应点，即特征点；

1.4，采用灰度质心法确定不同尺度下特征点的方向，使特征点经过旋转变换后方向不变，具体为：获取每张待拼接图像的灰度质心C；将每个检测特征点作为原点，构建检测特征点到灰度质心的向量。

4.根据权利要求3所述的基于改进ORB特征算法的图像拼接方法，其特征在于，所述使用Hessian矩阵局部极值来确定响应点，具体过程为：(a)对于每张待拼接图像上任意点p(x,y)，利用近似海森矩阵的局部极大值计算不同尺度下感兴趣的响应点值：det(H)＝D

其中，H为Hessian矩阵，D

(b)将点p(x,y)的响应点值与预先设定的Hessian矩阵阈值进行比较，若满足响应点值大于阈值，且在其位置空间(8邻域点)和尺度空间(上下层2x9个点)，共26个邻域点大于响应点值时，判定为点p(x,y)不是特征点，否则，判断点p(x,y)为对应图像的检测特征点；

(c)遍历每个待拼接图像，重复步骤(a)和(b)，得到对应的检测特征点。

5.根据权利要求1所述的基于改进ORB特征算法的图像拼接方法，其特征在于，步骤2包含以下子步骤：

2.1，在每一个特征点的邻域内，选择n对像素点p

2.2，比较每个点对的灰度值的大小；如果I(p

其中，I(p

2.3，所有的点对都进行比较，则生成长度为n的二进制串，作为该特征点的二进制描述子；n取值为128、256或512。

6.根据权利要求1所述的基于改进ORB特征算法的图像拼接方法，其特征在于，所述采用基于动态规划算法对两张待拼接图像的重叠区域进行搜索，具体为：遍历两张待拼接图像的重叠区域的每个位置，将每行像素中颜色差异最小且结构相似度最高的点作为最佳缝合线上的点，遍历整个重叠区域即得到最佳缝合线；即最佳缝合线上的点满足差异E(x,y)最小：E(x,y)＝E

其中，E

7.根据权利要求1所述的基于改进ORB特征算法的图像拼接方法，其特征在于，所述根据区域划分结果，对两张待拼接图像的重叠区域进行分段融合，其具体为：对缝合线左侧区域和缝合线右侧区域分别采用渐入渐出加权融合法进行融合；对缝合线区域采用最佳缝合线进行融合；最后采用多分辨率融合算法对整个重叠区域进行处理，得到拼接后图像；

其中，f'(x,y)表示融合后图像，f