1.一种quick-sift算子下无人机航拍图像拼接方法，其特征在于，包括：
步骤1：图像采集；
步骤2：图像配准；
步骤3：图像融合。
2.根据权利要求1所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述图像采集包括：利用搭载光学载荷的无人机经过一定路线，拍摄带有重叠部分航拍图像，通过图传设备获取图像；
所述图像配准包括：采用基于图像特征的图像配准方法，即首先用quick-sift算子提取两幅图像的特征点，利用ransac特征点进行匹配筛选，得到m个最优的匹配对，m为正整数；
所述图像融合包括：利用匹配对数计算出特征点之间的单应性矩阵，对待配准图像进行仿射变换，使之与参考图像进行融合，得到拼接后的图像。
3.根据权利要求2所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述quick-sift算子的构造的方法，包括四个步骤：
步骤1-1：尺度空间的极值检测；
步骤1-2：关键特征点的定位；
步骤1-3：特征点的方向分配；
步骤1-4：关键点描述。
4.根据权利要求3所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述尺度空间的极值检测的方式，包括：
对原始图像构建高斯金字塔，再由两个相邻的高斯金字塔相减，得到高斯差分尺度空间,即dog差分金字塔，所述对原始图像构建高斯金字塔，再由两个相邻的高斯金字塔相减，得到高斯差分尺度空间的方法，具体如下：
首先，利用不同尺度因子的高斯函数对原始图像进行卷积计算；其后对图片进行降采样，通过隔点采样的方式缩小卷积图像的尺寸，得到高斯尺度空间，其原始图像i(x，y)的尺度空间被定义为函数l(x，y，σ)，即log算子，如公式(1)和公式(2)所示：
l(x，y，σ)＝g(x，y，σ)*i(x，y)(1)
其中
x和y分别为原始图像的横坐标和纵坐标，σ为可变的尺度因子的高斯函数，σ越大，图像的平滑程度越大，卷积后的图像越模糊。作差得到的高斯差分尺度空间dog可表示为公式(3)所示：
d(x，y，σ)＝(g(x，y，kσ)-g(x，y，σ))*i(x，y)＝l(x，y，kσ)-l(x，y，σ)(3)
其中k表示相邻尺度的比例系数，一般取
该高斯差分尺度空间中大小相同的图像组为一阶图像octave，每阶有s层尺度图像，若某阶中首层尺度因子为σ，则同阶中其他层的尺度因子依次乘上比例系数k；下一阶的首层则为上一阶的中间层降采样得到；最后，在高斯差分金字塔上查找潜在的对于尺度和旋转不变的兴趣点，每一个采样点要和它同尺度的8个相邻点和上下相邻尺度对应的9x2个点共26个点比较，如果在26个点中是最大或最小值时，将作为局部极值点，即兴趣点，其中s为正整数。
5.根据权利要求4所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述quick-sift的金字塔构造可以通过以下三种方式实现：
(1)减少金字塔阶数：当航拍图像缩放特征不显著时，可以减少高斯金字塔的阶数；
(2)减少金字塔层数：为了检测出对图像缩放稳定的特征点，需要在多尺度图像上进行搜索；
(3)选择不同层图像作初始检索层：大尺度对应于轮廓特征，小尺度对应于图像的细节特征。
6.根据权利要求3所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述关键特征点的定位方法，包括：
对尺度空间dog函数进行曲线拟合，利用dog函数的泰勒展开式的导数来求得极值。d(x，y，σ)的泰勒展开式为公式(4)所示：
对d(x，y，σ)求导，令其导数等于0可求得极值点的精确位置；
进一步去除低对比度的关键点和不稳定的边缘响应点。
7.根据权利要求6所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述去除低对比度的关键点和不稳定的边缘响应点的方法，包括：采用特征点处2x2的hessian矩阵h，由于d(x)的主曲率和h的特征值成正比，计算h矩阵秩的平方与行列式值的比值与阈值作比较，剔除不确定点。
8.根据权利要求3所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述特征点的方向分配的方法，包括：
利用图像的局部特征用公式(5)为给每一个关键点分配一个基准方向和梯度：
其中，m(x，y)表示在图像(x,y)上模的值，θ(x，y)表示(x，y)的梯度方向，对之前检测到的关键点，采集其所在高斯金字塔图像3σ邻域窗口内像素的梯度和方向分布特征，并按照1.5σ的高斯分布加成；在完成关键点的梯度计算后，使用直方图统计邻域内像素的梯度和方向；梯度直方图将0～360度的方向范围分为36个柱，其中每柱10度。
9.根据权利要求3所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述关键点描述的方法，包括：首先将图像旋转至特征点主方向，从而使得图像不受旋转因素的影响。然后以特征点为中心的附近领域划分为4*4窗口，每个窗口计算8个方向的梯度信息，并进行统计和归一化处理。这样一个特征点可以产生128维的特征描述量。
10.根据权利要求3所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述特征点匹配的方法，包括：ransac是一种参数估计算法，其主要思想是：从样本数据集中随机选取一个子集，对该子集进行参数估计，从而确定参数估计模型。将所有样本数据集带入该模型，对其进行验证，根据损失函数得到一致性集合。根据样本数据集中符合一致性集合的点集数量大小，确定该模型的正确性。通过多次的假设与检验，最后得到一个全局最优的模型参数。在quick-sift中使用ransac算法，去除错误的配准，从而提高算法的匹配正确率。
11.根据权利要求3所述的quick-sift算子下无人机航拍图像拼接方法，其特征在于，所述图像融合的方法，包括：在由两幅图像的特征点描述符对图像进行配准后，需要根据图像间的空间变换关系对图像进行拼接融合。对不同区域图像进行权重赋值，然后根据权重值进行叠加平均得到像素值，取两邻近的图像权重取值分别为w1和w2，其中w1，w2都满足在(0,1)范围内，且满足w1+w2＝1。假设待拼接的图像分别为im1i,j，im2i,j，且设δi,j是拼接融合后的图像。拼接重叠后的像素值公式所示。