1.一种基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，包括：步骤S1：获取原始砂岩CT图像并进行图像滤波处理，得到预处理后的图像数据；

步骤S2：根据步骤S1中滤波后的结果，使用高斯函数对预处理后的图像进行高斯平滑与降采样处理，得到图像高斯金字塔；

步骤S3：使用DOG函数进行空间关键点检测；

步骤S4：使用基于马氏距离的匹配方式对图像的关键点进行匹配；

步骤S5：根据步骤S1中滤波后的结果，将图像使用高斯核函数映射后对图像进行聚类；

步骤S6：使用步骤S5中图像聚类后的结果，对图像的像素点进行光线投射并采样；

步骤S7：计算采样点的颜色与透明度；

步骤S8：使用步骤S7的结果，将每条射线上采样点的颜色值和不透明度值分别一一累加，从后向前合成色彩与透明度，重构出致密砂岩的三维模型；

步骤S9：根据构建后的致密砂岩三维模型中的颜色和透明来区分孔隙与非孔隙，对孔隙进行识别。

2.如权利要求1所述的基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，所述步骤1中的图像滤波的具体方法为：将原始CT图像使用双边滤波方法对图像进行预处理，通过计算每个像素的滤波实处作为相邻像素的平均值，并根据像素的位置和像素值的高斯分布进行加权，具体定义为：其中， 是归一化参数，p和q表示像素的坐标，Ip和Iq表示图像I在p和q的像素值， 和 表示高斯核函数，σs是空间域S的核参数，σr是值域核参数。

3.如权利要求1所述的基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，步骤S3中使用DOG函数进行空间关键点检测的具体方法为：选择高斯金字塔中相邻两层相减的方式建立高斯差分金字塔；

将每一个像素点与所有的相邻点进行图像域与尺度域的比较，若该点在尺度空间本层与上下两层的领域中为极值时，则认定该点为一个特征点，并将对比度较低的关键点和不稳定的边缘响应点进行去除；

利用图像梯度求取局部的稳定方向。

4.如权利要求1所述的基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，步骤S4中图像关键点匹配的具体方法为：传统SIFT算法使用关键点特征向量的欧氏距离来评价特征向量之间的相似性，本发明方法代替欧氏距离计算两张致密砂岩CT图像的特征向量T

的马氏距离。对于一个均值为μ＝(μ1,μ2,μ3,...,μp) ，协方差矩阵为S的多变量，其马氏距离为：

计算两张图像中每个特征点的马氏距离，然后通过比较比例阈值来得到最终两幅图像之间的匹配关系。匹配阈值的公式定义如下：其中，D表示第一张图特征点xa的马氏距离，D表示第二张图特征点xb的马氏距离。对于每个xb，选择与xa的匹配阈值最接近1的特征点xb作为xa在第二张图像的匹配点。

5.如权利要求1所述的基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，步骤S5中对图像进行聚类的具体方法为：对步骤S2中使用高斯核函数映射过的图像使用K均值方法将映射后的图像进行聚类，并为每一类数据赋予不同的颜色值与透明度值；高斯核函数的表达式为：

其中，σ＞0为高斯核的带宽。

6.如权利要求1所述的基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，步骤S6中光线投射的具体方法为：从屏幕上的像素点沿视线方向进行光线投射，并沿着每根光线在穿过三维数据场的射线上设置等距离步长的采样点；采样后，将采样点使用的图像空间坐标转化为物理空间坐标，设初始视线方向绕物理坐标系三个坐标轴x，y，z的旋转角度分别为α，β，γ，则使用的位置坐标变换公式为：其中，(u,v,w)为物体坐标系，(x,y,z)为图像坐标系，(Pu,Pv,Pw)为图像坐标系下原点在物理坐标系中的位置。

7.如权利要求1所述的基于致密砂岩CT图像三维重构的孔隙识别方法，其特征在于，步骤S7中计算采样点的颜色与透明度的具体方法为：通过将采样点所在的体素的8个顶点的颜色与透明度值进行三线性插值得到采样点的颜色值与不透明度值；

设体素的八个顶点为a0,a1,...,a7，体素顶点的颜色值或不透明度值为m0,...,m7，则顶点在x轴方向进行两个顶点与采样点比例为x:(1‑x)的线性插值得到r11，r12，r21，r22，其颜色值或不透明度值分别为：

然后在y方向上插值得到点r1，r2的颜色值或不透明度为：mr1＝m11(1‑y)+m21y＝m11+(m21‑m11)ymr2＝m12(1‑y)+m22y＝m12+(m22‑m12)y   (7)再在z方向上插值，即可得到采样点的颜色值与不透明度值m：m＝mr1(1‑z)+mr2z＝mr1+(mr2‑mr1)z    (8)。