1.一种基于模式识别和最优分配的启发式多叉线修补方法，其特征在于，该方法包括：步骤1，采集裂缝图像，对裂缝图像进行语义提取，提取裂缝图像中的裂缝，得到主干裂缝二值图像及分叉线裂缝二值图像；

步骤2，对主干裂缝二值图像、分叉线裂缝二值图像进行连通域分析，分别针对主干裂缝二值图像中各连通域以及分叉线裂缝二值图像中各连通域执行以下操作：步骤2a，计算裂缝二值图像中各连通域的最小外接矩形；

步骤2b，按照最小外接矩形将各连通域图像切割出来，得到多个裂缝子图，对多个裂缝子图按照裂缝轮廓面积进行降序排序；

步骤2c，从排序序列中依次取待分析裂缝子图；

步骤2d，计算待分析裂缝子图的图像中心点，选取距离中心点距离最近的K个待连接裂缝子图；

步骤2e，对待分析裂缝子图、待连接裂缝子图Pi进行亲和度度量；

步骤2f，计算待分析裂缝子图与待连接裂缝子图的连接亲和度，若连接亲和度大于设定阈值，则将两个裂缝子图在裂缝图像中距离最近的裂缝端点连接，否则，若i

2e，若i＝K，返回步骤2c直到所有裂缝子图均被处理完成。

2.如权利要求1所述的方法，其特征在于，所述亲和度度量基于亲和度度量网络计算，亲和度度量网络包括：亲和度度量编码器，用于对输入的图像进行特征提取，输出亲和度特征图；

第一全连接网络，用于将展开后的亲和度特征图映射到高维向量空间，输出亲和度度量；

第二全连接层，用于将亲和度度量映射到样本标记空间。

3.如权利要求1所述的方法，其特征在于，所述亲和度度量网络包括主干裂缝亲和度度量网络、分叉线裂缝亲和度度量网络。

4.如权利要求1所述的方法，其特征在于，所述主干裂缝亲和度度量网络的训练方法如下：将连续的主干裂缝图像进行分段切分，将分段后得到的主干裂缝子图作为样本图像，并对分段后的主干裂缝子图赋予相同的样本标记；

收集若干张主干裂缝图像进行分段切分、标记，得到标记过的样本图像集；

将样本图像集以及标记数据输入主干裂缝亲和度度量网络进行训练。

5.如权利要求3所述的方法，其特征在于，所述分叉线裂缝亲和度度量网络的训练方法如下：将连续的分叉线裂缝图像进行分段切分，将分段后得到的分叉线裂缝子图作为样本图像，并对分段后的分叉线裂缝子图赋予相同的标记；

收集若干张分叉线裂缝图像进行分段切分、标记，得到标记过的样本图像集；

将样本图像集以及标记数据输入分叉线裂缝亲和度度量网络进行训练。

6.如权利要求1所述的方法，其特征在于，所述选取距离中心点距离最近的Top-K个裂缝子图的方法如下：计算图像中心点与各待连接裂缝子图中连通域点的距离，将最短距离作为图像中心点与待连接裂缝子图的距离D；

选取距离图像中心点距离最近的Top-K个裂缝子图，K为选择的裂缝子图的个数。

7.如权利要求1所述的方法，其特征在于，所述连接亲和度的计算方法如下：计算待分析裂缝子图与待连接裂缝子图亲和度度量的余弦相似度，作为连接亲和度。

8.如权利要求1所述的方法，其特征在于，所述连接亲和度的计算方法如下：计算待分析裂缝子图与待连接裂缝子图Pi亲和度度量的余弦相似度，作为初始连接亲和度AF′i；

计算待分析裂缝子图与带链接裂缝子图Pi的连接亲和度AFi：其中，w1、w2为权重系数，Di为待分析裂缝子图图像中心点与待连接裂缝子图Pi的距离。

9.如权利要求1所述的方法，其特征在于，针对主干裂缝二值图像、分叉线裂缝二值图像，K的数值不同。

10.如权利要求1所述的方法，其特征在于，所述步骤1中的语义提取采用语义分割深度卷积神经网络。